徐敬一（上海工程技术大学电子电气工程学院）、田瑾（上海工程技术大学电子电气工程学院）、刘翔（上海工程技术大学电子电气工程学院）、龚利（华东师范大学通信与电子工程学院）的研究团队于2024年在《传感器与微系统》（Transducer and Microsystem Technologies）第43卷第4期发表了题为《基于注意力机制改进的疲劳驾驶检测方法》的原创性研究论文。该研究针对现有疲劳驾驶检测算法因特征信息丢失导致的泛化性差、漏检率高等问题，提出了一种融合注意力机制（attention mechanism）与长短期记忆（LSTM）神经网络的创新模型。

学术背景

疲劳驾驶是引发交通事故的主要因素之一，现有基于视觉的检测方法（如PERCLOS算法、卷积神经网络等）通常依赖单帧面部特征（如眼部闭合度、打哈欠频率）的静态分析，难以有效捕捉时序特征，且在遮挡或角度不佳时性能显著下降。研究团队发现，特征丢失会导致历史数据对当前状态判断的干扰，而传统方法在平衡准确率与漏检率方面存在瓶颈。因此，本研究旨在通过多维特征向量建模与动态权重分配，提升复杂环境下的检测鲁棒性。

研究流程与方法

1. 特征提取与定位

研究采用NTHU Drowsy Driver Detection (DDD)数据集，包含600组驾驶视频（每组500帧），并额外构建120组含特征丢失的异常片段作为对照。通过尺度不变特征变换（SIFT）算法定位面部关键点：
- 嘴部特征：提取12个定位点（如嘴角p1-p7、上下唇中心点），计算嘴部纵横比（公式2），反映张嘴程度。
- 眼部特征：每只眼6个定位点（如眼角p1-p6），通过纵横比（公式3）量化眼睛张合状态。
- 头部姿态：基于鼻梁、眼角等6点坐标，计算偏航角（αyaw）、俯仰角（αpitch）和滚转角（αroll）（公式5），估计头部空间位置。

2. 时间序列建模

构建双向LSTM网络学习特征向量的时序关系。其单元结构包含遗忘门、输入门和输出门（公式1），通过门控机制筛选长期记忆（ct）与短期记忆（ht），解决传统RNN的梯度消失问题。

3. 注意力机制优化

在LSTM的编码器（encoder）与解码器（decoder）间引入注意力层（图1），通过以下步骤动态加权特征重要性：
- 编码阶段：将特征序列输入LSTM，生成隐含状态概率向量ht，压缩为语义向量c（公式6）。
- 注意力分配：计算各时间步的注意力权重αit（公式7），加权融合历史隐含状态得到上下文向量ci。
- 解码阶段：将ci与当前输入ct相乘（公式8），通过softmax归一化输出疲劳概率。

4. 实验验证

采用五折交叉验证，训练集、测试集、验证集比例为48:12:1。评估指标包括：
- 查准率（P）与查全率（R）：衡量模型综合性能。
- 漏检率：关键指标，反映疲劳状态未被识别的比例（公式9）。
对照组测试了不同模型在特征丢失场景下的表现（表1），包括眼部、嘴部、头部区域遮挡及多特征丢失情况。

主要结果

1. 模型性能：Multi-Attention模型在通用环境下的准确率达92.19%，漏检率仅1.3%，显著优于CNN（82.89%，漏检率9.19%）和PERCLOS（73.89%，漏检率13.14%）。
   
2. 抗干扰能力：在部分特征丢失时（如嘴部遮挡），漏检率仅3.07%，而LSTM基线模型为10.28%（表2）。
   
3. 训练效率：迭代55次后收敛，最终训练准确率95.22%（图3），损失函数稳定下降，表明模型快速收敛且未过拟合。
   

结论与价值

该研究通过注意力机制与LSTM的协同设计，实现了以下突破：
- 科学价值：提出了一种时序特征动态加权方法，解决了疲劳检测中特征丢失导致的参数干扰问题，为时序数据分析提供了新思路。
- 应用价值：模型在复杂驾驶场景（如遮挡、光线变化）中表现稳健，可集成至车载预警系统，降低交通事故风险。

研究亮点

1. 多维特征融合：联合嘴部、眼部和头部姿态特征，构建全面疲劳判据。
   
2. 动态权重分配：注意力机制自动强化关键时间步的特征影响，提升模型解释性。
   
3. 高鲁棒性：在DDD数据集和自定义异常数据集上均验证了优越性能，尤其适合实际驾驶环境。
   

其他贡献

研究公开了对照数据集（含120组特征丢失视频），为后续抗干扰算法研究提供基准。未来可通过增加特征区间（如手部动作、心率信号）进一步优化模型普适性。