文献类型：期刊文章

作　　者：顾王欢[1] 朱煜[1] 陈旭东[1] 郑兵兵[1] 何林飞[1]

Gu Wanghuan;Zhu Yu;Chen Xudong;Zheng Bingbing;He Linfei(Dept.of Electronics&Communication Engineering,East China University of Science&Technology,Shanghai 200237,China)

机构地区：[1]华东理工大学电子与通信工程系

出　　处：《计算机应用研究》

基　　金：上海市科学技术委员会科研计划资助项目(17DZ1100808,17DZ1100803)

年　　份：2019

卷　　号：36

期　　号：11

起止页码：3471-3475

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

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

分 类 号：TP391.41]