基于脉冲神经网络的类脑仿生驾驶员疲劳微表情极速识别与在线干预设计.docxVIP

PAGE2

基于脉冲神经网络的类脑仿生驾驶员疲劳微表情极速识别与在线干预设计

摘要

随着智能交通系统的发展，驾驶员疲劳监测成为提升道路安全的关键。传统基于RGB视频的疲劳检测系统存在功耗高、延迟大、对光照敏感等问题，难以实现实时、低功耗的车载部署。本设计旨在构建一个基于异步事件相机与脉冲神经网络的类脑仿生系统，实现对驾驶员疲劳微表情的极速识别与在线分级干预。

本设计首先分析了驾驶员疲劳监测的现实需求与现有方案的不足，明确了系统需达成的低功耗、高实时性与高精度目标。在总体设计上，系统采用“感知-处理-决策-执行”的四层架构：由事件相机采集面部微表情的异步稀疏事件流；通过脉冲卷积神经网络进行时空特征提取与疲劳状态分类；依据分类置信度与时长触发自适应分级干预逻辑；最终通过车载人机交互接口执行预警。详细设计并实现了脉冲神经网络的前向推理与事件流预处理等核心模块。

系统测试表明，在模拟驾驶环境下，本设计对闭眼、打哈欠等关键疲劳微表情的识别延迟低于10毫秒，平均功耗相较于传统CNN方案降低约85%，满足了车载嵌入式平台的严苛要求。核心创新点在于将生物启发的异步事件感知与脉冲神经网络计算相结合，实现了类脑的高效时空信息处理范式，为下一代低功耗、高实时性的车载主动安全系统提供了新的技术路径。

关键词：脉冲神经网络；事件相机；驾驶员疲劳检测；微表情识别；在线干预；智能交通

第一章绪论

1.1