coordinate attention

Fatigue-driving detection based on facial cues is challenging because the key fatigue-related regions, especially the eyes and mouth, are small, easily affected by illumination and occlusion, and must be detected in real time. To address insufficient small-target feature extraction and the trade-off between detection accuracy and model complexity, this paper proposes FWC-YOLOv8, an improved fatigue-driving detection framework built on YOLOv8s. First, an additional 160×160 detection head is introduced to preserve high-resolution spatial information and improve localization of small eye and mouth regions. Second, a Coordinate Attention (CA) module is embedded in the backbone to enhance position-aware feature representation. Third, the feature-fusion structure is refined to strengthen the interaction between shallow spatial details and deep semantic information. Finally, Wise-IoU, which uses a dynamic focusing mechanism, is adopted as the bounding-box regression loss to reduce the influence of low-quality samples and improve convergence. Experiments on the GX_FatigueDriving2020 dataset show that FWC-YOLOv8 achieves an mAP@0.50:0.95 of 0.640, corresponding to a 4.2 % improvement over the original YOLOv8s baseline. The model contains 17.0 M parameters and requires 35.5 GFLOPs, indicating a favorable balance between accuracy and computational cost. In addition, detected eye and mouth states are further converted into four fatigue indicators, namely PERCLOS, blink frequency, continuous eye-closure duration, and yawn frequency, and fused through a weighted multi-index assessment strategy to classify driver fatigue into alert, mild-fatigue, and severe-fatigue states. The framework combines task-specific facial-state detection with interpretable fatigue-level assessment.

تشخیص رانندگی در حالت خستگی مبتنی بر نشانه‌های چهره، به دلیل کوچک بودن نواحی کلیدی مرتبط با خستگی، به‌ویژه چشم‌ها و دهان، و تأثیرپذیری آسان آن‌ها از نور و انسداد، و همچنین لزوم تشخیص در زمان واقعی، چالش‌برانگیز است. به منظور رفع مشکل استخراج ناکافی ویژگی‌های اهداف کوچک و توازن میان دقت تشخیص و پیچیدگی مدل، این مقاله چارچوب تشخیص رانندگی خستگی FWC-YOLOv8 را که بر پایه YOLOv8s بهبود یافته است، پیشنهاد می‌کند. نخست، یک سر تشخیص اضافی با ابعاد ۱۶۰×۱۶۰ افزوده شده تا اطلاعات مکانی با وضوح بالا حفظ شده و مکان‌یابی نواحی کوچک چشم و دهان بهبود یابد. دوم، ماژول Coordinate Attention (CA) در بخش بک‌بون تعبیه شده تا نمایش ویژگی‌های آگاه از موقعیت را تقویت کند. سوم، ساختار همجوشی ویژگی‌ها اصلاح شده تا تعامل میان جزئیات مکانی سطحی و اطلاعات معنایی عمیق تقویت شود. در نهایت، Wise-IoU که از مکانیزم تمرکز پویا بهره می‌برد، به عنوان تابع زیان رگرسیون جعبه مرزی به کار رفته تا تأثیر نمونه‌های با کیفیت پایین کاهش یافته و همگرایی بهبود یابد. آزمایش‌ها بر روی مجموعه داده GX_FatigueDriving2020 نشان می‌دهد که FWC-YOLOv8 به مقدار mAP@0.50:0.95 برابر با ۰.۶۴۰ دست یافته که معادل ۴.۲٪ بهبود نسبت به مدل پایه YOLOv8s است. مدل شامل ۱۷.۰ میلیون پارامتر بوده و به ۳۵.۵ GFLOPs نیاز دارد که نشان‌دهنده توازن مطلوب میان دقت و هزینه محاسباتی است. علاوه بر این، وضعیت‌های چشم و دهان شناسایی‌شده به چهار شاخص خستگی شامل PERCLOS، فرکانس پلک‌زدن، مدت زمان بسته‌ماندن پیوسته چشم و فرکانس خمیازه تبدیل شده و از طریق راهبرد ارزیابی چندشاخصه وزنی برای طبقه‌بندی خستگی راننده به سه حالت هوشیار، خستگی خفیف و خستگی شدید ادغام می‌شوند. این چارچوب، تشخیص وضعیت چهره خاص وظیفه را با ارزیابی سطح خستگی قابل تفسیر ترکیب می‌کند.