基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法和系统

本发明公开了一种基于双分支融合与分段域适应迁移学习的疲劳驾驶检测方法和系统，方法包括用于降低数据冗余提高预算效率的数据预处理方式，提取驾驶员局部与全局面部特征的CNN与Transformer双分支特征提取结构，以及用于增强模型特征表征能力的双向特征融合模块，提出了用于提高模型在源域与目标域之间自适应能力的分段域适应策略，该策略包括在特征提取阶段采用的对抗域适应和多核最大均值差异(MK‑MMD)策略，以及在特征融合阶段进一步引入的MK‑MMD和最小类别混淆损失(MCC)域适应。通过这些方法，本发明解决了异构数据下的模型适应性问题，提升了模型的准确性与鲁棒性，从而显著提高了疲劳驾驶检测的准确率。