avatar avatar 我的文献 基于深度学习的驾驶疲劳检测算法与应用 作者 郑伟成; 李学伟; 刘宏哲; 代松银 单位 北京联合大学北京市信息服务工程重点实验室 期刊 计算机工程 时间 关键词 疲劳驾驶检测; 疲劳特征提取; PERCLOS; 人脸检测; 人脸关键点检测; 头部姿态估计 基金 国家自然科学基金(61871039、61802019、61906017); 北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511); 北京市自然科学基金(4184088); 北京联合大学领军人才项目(BPHR2019AZ01); 北京市教委项目(KM201911417001,KM201711417005); 国家科技支撑计划项目(015BAH55F03); 智能驾驶大数据协同创新中心(CYXC1902)
摘要
针对复杂的驾驶环境,为有效对驾驶人的疲劳状态发出预警,提出基于深度学习的驾驶疲劳检测算法。该算法分为四个步骤:首先,在人脸检测部分,对现有MTCNN模型采用ShuffleNet的shuffle-channel思想进行改进,以提高人脸检测的效率和精度;其次,人脸关键点部分,使用精度高、实时性好、模型小的PFLD深度模型检测人脸关键点,用以定位眼部、嘴部,以进行疲劳特征的提取;再次,根据人脸关键点和改进的DLT算法进行头部姿态估计;最后,在数据集YawDD上,基于多特征融合的策略,构建决策树实现鲁棒的驾驶疲劳检测分类模型。大量实验表明,提出的算法在检测精度和效率等方面都有较大的提高。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭