10.19678/j.issn.1000-3428.0059421
融合人眼特征与深度学习的疲劳驾驶检测模型
针对现有疲劳驾驶检测技术不能有效平衡准确性和实时性的问题,通过融合人眼特征与深度学习,构建一种新的疲劳驾驶检测模型.设计GP-VGG16网络进行眼部状态识别,通过将人工先验信息集成到轻量级深度网络中,提高眼部状态识别的准确性、稳定性和实时性.在此基础上,利用眼部特征-疲劳等级模型将疲劳状态划分为9个等级,定量估计驾驶员状态,同时基于少样本学习建立高效的自动标签生成网络,减少对大量无标签驾驶数据的语义标注.实验结果表明,该模型的准确率达到97.1%,运行速度达到39.96 frame/s,能够有效提高驾驶员疲劳状态识别的准确性与时效性.
疲劳驾驶检测;深度学习;少样本学习;GP-VGG16网络;积分投影
47
TP391(计算技术、计算机技术)
国家自然科学基金;陕西省重点研发计划
2021-08-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
243-250