基于深度学习的车载疲劳检测研究
为了准确、快速地检测驾驶员疲劳状态,设计一种基于深度学习和ERT算法的车载疲劳检测系统.该系统采用MTCNN算法进行人脸定位,使用KCF算法进行人脸追踪,应用ERT算法进行人脸特征点检测.获得特征点后,测定了眨眼动作的EAR阈值与哈欠动作的MAR阈值,在YawDD数据集上眨眼识别的准确率达到88.07%,哈欠识别的F1-measure达到了92.31.通过计算眨眼时的PERCLOS值与检测嘴巴张度MAR的大小来判断眼部与嘴部状态,使用决策树进行多特征融合疲劳判断,进而决定是否进行预警.
疲劳检测、PERCLOS、人脸特征点、ERT算法、人脸检测
18
TP391.41(计算技术、计算机技术)
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共4页
66-69