НЕЙРОСЕТЕВАЯ МОДЕЛЬ ОПРЕДЕЛЕНИЯ СОНЛИВОСТИ ЧЕЛОВЕКА ПО ВЫРАЖЕНИЮ ЛИЦА

Аннотация

Данная статья посвящена исследованию применения сверточной нейросетевой модели для выявления усталости человека на основе анализа его выражения лица. В качестве модели была использована YOLO, которая обучалась на изображениях, распознавая признаки усталости и бодрости. Набор данных, состоящий из 2300 изображений, был разделен на два класса: сонливые люди (на снимках они либо зевают, либо закрывают глаза) и бодрые. Для разработки модели YOLOv5 использовался язык программирования Python, обучение проводилось на платформе Google Colab с применением данных из Kaggle. Процесс обучения продолжался в течение 30 эпох, при этом каждая партия данных состояла из 32 изображений. В результате использования различных улучшений YOLOv5 удалось добиться точной классификации изображений по признакам усталости и бодрости. Модель показала высокую среднюю точность в 96,8%. Оценка качества классификации с использованием метрик Recall и Precision на тестовых данных продемонстрировала отличные результаты. Для класса «сонливые» значение Recall составило 83,4%, а Precision – 89,1%. Для класса «бодрые» Recall достиг 93,6%, а Precision – 87,6%. Эти данные свидетельствуют о высокой надежности и практической применимости модели. Проведенное исследование подтвердило успешность использования нейросетевой модели для определения усталости по выражению лица, что открывает широкие перспективы для внедрения данной технологии в системы транспортной безопасности. Это может способствовать снижению риска дорожно-транспортных происшествий и улучшению общей безопасности на дорогах.