面向智能座舱的低功耗驾驶员疲劳多模态监测与预警系统设计.docxVIP

PAGE2

面向智能座舱的低功耗驾驶员疲劳多模态监测与预警系统设计

摘要

驾驶员疲劳是引发交通事故的核心诱因，占事故总数的20%以上。传统单一模态监测方案在光照变化、遮挡及个体差异场景下鲁棒性不足，且高功耗计算难以适配车载嵌入式计算平台。针对上述问题，本课题设计了一种融合面部视觉与方向盘心电特征的低功耗多模态疲劳监测与预警系统。系统以轻量化疲劳判别网络为核心，在树莓派等边缘设备上实现实时推理，并构建三级预警策略，提升预警精确性与实用性。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程逻辑。首先，分析智能座舱场景下系统目标与用户角色，建立功能与非功能需求，并通过用例建模明确核心流程。其次，提出传感器-边缘计算-人机交互三层架构，划分数据采集、多模态特征提取、轻量化融合推理、分级预警四大模块，并设计结构化数据存储方案。在详细设计阶段，重点阐述面部关键点检测与方向盘心电信号预处理流程，给出基于MobileNetV3的双流融合网络结构，以及基于疲劳度的分级预警决策表。实现部分展示核心算法在嵌入式平台的移植与优化，解决多模态数据同步与模型轻量化两大难点。最后，通过功能测试与性能测试验证系统在疲劳检测准确率、响应延迟及功耗方面的表现。测试结果表明，系统在模拟驾驶场景下疲劳检出率超过93%，单帧推理耗时低于50ms，整机功耗控制在5W以内，满足车载环境实时性与低功耗要求。本课题