基于多形态红外特征与深度学习的实时驾驶员疲劳检测
疲劳驾驶是导致车祸的重要诱因,严重危害道路交通安全,而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响.针对以上问题,提出了基于深度学习的驾驶员疲劳检测算法.首先,使用850 nm红外光源补光,在复杂光照和遮挡形态下采集驾驶员的面部图像;其次,利用红外图像中的多种特征,通过级联CNN确定人脸边框和特征点位置,提取眼睛区域并识别眼睛的睁闭状态;最后,将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络,检测驾驶员疲劳状态.实验结果表明:该疲劳检测算法的准确率可达94.48%,平均检测时间为65.64 ms.
疲劳检测、红外图像、深度学习、CNN、LSTM
47
TP391(计算技术、计算机技术)
国家自然科学基金61601325,61771340
2018-03-20(万方平台首次上网日期,不代表论文的发表时间)
共9页
60-68