10.3969/j.issn.2095-2163.2021.10.015
基于面部特征融合的驾驶员疲劳检测
针对复杂驾驶环境中光照强度、驾驶员头部姿态变化对疲劳驾驶检测精度的影响,提出了一种基于面部特征融合和卷积神经网络的驾驶员疲劳检测方法.首先对采集的驾驶员图像进行预处理,然后采用多任务级联神经网络(multitask cas-cade convolutional neural network,MTCNN)进行人脸检测并提取眼部和嘴部特征;设计了眼部状态识别网络SOE-Net和嘴部状态识别网络SOM-Net分别对眼部和嘴部的状态进行识别.最后结合PERCLOS准则以及持续张嘴时间(CMOT)进行疲劳状态判定.实验结果表明,该方法可快速准确地定位出人脸区域,疲劳检测能够达到较高准确率,同时能够满足实时检测的需求.
卷积神经网络、特征提取、疲劳检测、人脸检测
11
TP391.41(计算技术、计算机技术)
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
77-81,88