近日，我司提出《一种融合ECLA-HSFPN 的轻量化疲劳驾驶检测方法》， 正式获得国家知识产权局发明专利受理（申请号：2024118389376）。

本发明涉及图像处理技术领域，具体公开了一种基于改进YOLOv8的轻量化疲劳驾驶检测方法。该方法通过融合ECLA-HSFPN（增强通道与空间注意力-高效特征金字塔网络）结构，显著降低了模型的参数量和计算复杂度，同时保持了较高的检测精度。用 KAN网络替代传统卷积，在瓶颈模块中使用可学习的激活函数，提升非线性特征提取能力，改善梯度传播效率，在保持检测精度（mAP达98.5%）的同时，将模型参数量降至1.93M，模型大小压缩至4.1MB，显著优于原YOLOv8模型。

该方法适用于嵌入式设备（如车载系统），能够实时检测驾驶员的疲劳状态（正常、轻度疲劳、严重疲劳），有效提升驾驶安全性，兼具高精度与低资源消耗的优势。