基于深度学习的人脸疲劳检测系统

针对某些场景人脸部分遮挡引起的疲劳检测模块失准、人脸检测模型在算力较低的机器上帧数低等问题,本文提出了一种改进的人脸疲劳检测系统。首先用Mediapipe的Blaze Face和Controursmodel代替Open CV和Dlib对人脸进行识别和检测。利用可分离卷积,使骨干识别网络具有更少的参数量,其次增大了可分离卷积depthwise层的卷积核尺寸,实现更快的下采样。本文通过实验证明了改进的人脸疲劳检测模型具有较高的鲁棒性。对于实时视频输入,所提出的系统可以优化输出帧数,提高实时性。