【摘要】为了更加准确地对驾驶员的人脸进行定位并进行驾驶状态分析，本文提出一种基于改进 ＹＯＬＯｖ５ 及 ＣｏｎｖＮｅＸｔ 的级联分 类算法。 算法首先采用引入注意力机制的 ＹＯＬＯｖ５ 作为人脸定位器，然后将定位裁剪后的图片输入到 ＣｏｎｖＮｅＸｔ 的卷积神经网络中 进行分类。 引入的卷积注意力机制 ＹＯＬＯｖ５ 网络不仅增强了网络对复杂背景中目标区域的感知能力，同时减少了网络参数量和计算 复杂度，与此同时，采用 ３：３：９：３ 的卷积模块数量比例的 ＣｏｎｖＮｅＸｔ 增强了网络对特征的提取能力，并且与 Ｓｗｉｎ Ｔｒａｎｓｆｏｒｍｅｒ 相比拥有 更快的推理速度以及更高的准确率。 最终，在实验评估中该模型在 ＦＥＲ２０１３ 数据集上可达到 ７３???? ６５％的准确率，在 ＫＭＵ⁃ＦＥＤ 数据集 上达到了 ９７???? ７３％的准确率，较好地实现了驾驶员的人脸表情识别及状态分析。