文献类型：期刊文章

作　　者：郑伟成[1] 李学伟[1] 刘宏哲[1] 代松银[1]

ZHENG Weicheng;LI Xuewei;LIU Hongzhe;DAI Songyin(Beijing Key Laboratory of Information Service Engineering,Beijing Union University,Beijing 100101,China)

机构地区：[1]北京联合大学北京市信息服务工程重点实验室,北京100101

出　　处：《计算机工程》

基　　金：国家自然科学基金(61871039,61802019,61906017);国家科技支撑计划项目(015BAH55F03);北京市自然科学基金(4184088);北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511);北京市教委项目(KM201911417001,KM201711417005);北京联合大学领军人才项目(BPHR2019AZ01);智能驾驶大数据协同创新中心项目(CYXC1902)。

年　　份：2020

卷　　号：46

期　　号：7

起止页码：21-29

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为实现复杂驾驶环境下驾驶人员疲劳状态识别与预警,提出基于深度学习的疲劳驾驶检测算法。利用基于shuffle-channel思想的MTCNN模型检测常规摄像头实时采集的驾驶人员人脸图像,使用PFLD深度学习模型进行人脸关键点检测以定位眼部、嘴部和头部位置,从中提取眨眼频率、嘴巴张开程度和点头频率等特征参数,并通过多特征融合策略获取驾驶人员疲劳状态,从而实现疲劳驾驶的有效预警。实验结果表明,该算法给出的疲劳驾驶预警结果均未出现误判情况,具有较高的检测准确率和较好的鲁棒性。

关 键 词：疲劳驾驶检测  疲劳特征提取  PERCLOS值  人脸检测 人脸关键点检测  头部姿态估计

分 类 号：TP391]