基于多尺度池化卷积神经网络的疲劳检测方法研究 |
| |
作者姓名: | 顾王欢 朱煜 陈旭东 郑兵兵 何林飞 |
| |
作者单位: | 华东理工大学电子与通信工程系,上海,200237 |
| |
基金项目: | 上海市科学技术委员会科研计划项目(17DZ1100808,17DZ1100803) |
| |
摘 要: | 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。
|
关 键 词: | 视觉特征分析 多尺度池化 卷积神经网络 疲劳检测 人脸检测 |
收稿时间: | 2018-05-03 |
修稿时间: | 2019-09-29 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|