DOI: 10.17587/prin.17.571-579

УДК: 004.8

Влияние биометрических признаков на эффективность CNN в задаче оценки сонливости водителя

Д. А. Скоробогатченко, д-р техн. наук, проф., dmitryskor2004@gmail.com, И. М. Григорьев, магистрант, grigona4@mail.ru, А. Д. Козякин, магистрант, kozyakin1024@gmail.com, Волгоградский государственный технический университет

Представлены результаты исследований и сравнительный анализ двух подходов к оценке сонливости водителя по видеопотоку: классического метода на основе сверточной нейронной сети (CNN) и гибридного метода, дополняющего нейросетевой классификатор геометрическими биометрическими признаками лица. В качестве базовой архитектуры использована MobileNetV3-Large. Биометрические признаки (EAR, MAR, углы ориентации головы) извлекаются с помощью библиотеки компьютерного зрения MediaPipe Face Mesh. Предложен адаптивный механизм слияния модальностей (Fusion Gate), динамически взвешивающий вклад визуальных и биометрических признаков. Интеграция биометрии позволила добиться точности 98,7 % (F1 = 0,987) по сравнению с базовой моделью CNN, показавшей точность 96,0 % (F1 = 0,958). Результаты обосновывают целесообразность применения гибридных архитектур в системах мониторинга состояния водителя.

Ключевые слова: детектирование сонливости водителя, сверточные нейронные сети, MobileNetV3, биометрические признаки лица, Eye Aspect Ratio, Mouth Aspect Ratio; MediaPipe, компьютерное зрение, мультимодальное слияние, системы помощи водителю

Стр. 571—579

Ссылка для цитирования:
Скоробогатченко Д. А., Григорьев И. М., Козякин А. Д. Влияние биометрических признаков на эффективность CNN в задаче оценки сонливости водителя // Программная инженерия. 2026. Том 17, № 10. С. 571—579. DOI: 10.17587/prin.17.571-579.

Полный текст на eLIBRARY