基于多尺度池化卷积神经网络的疲劳检测方法研究

针对视觉特征分析疲劳检测问题，设计了一种级联深度学习的检测系统结构，并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测，提取出眼睛和嘴巴区域；针对眼睛和嘴巴的状态表征和识别问题，提出一种基于ResNet的多尺度池化模型（MSP）对眼睛和嘴巴状态进行训练；实时检测时，将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别，最后基于PERCLOS和提出的嘴巴张合频率（FOM）对驾驶员进行疲劳判定。实验结果表明，该算法具有较高的检测准确率，同时满足实时性要求，且对复杂环境具有较高的鲁棒性。