10.16208/j.issn1000-7024.2020.02.036
基于级联宽度学习的疲劳驾驶检测
为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法.用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别.实验结果表明,该算法的疲劳检测准确率为94.9%,单帧检测时间52.43 ms.
疲劳检测、宽度学习、深度学习、信息融合、人脸关键点检测
41
TP391.4(计算技术、计算机技术)
国家自然科学基金项目 ;江苏省"六大人才高峰"高层次人才基金项目 ;江苏省"青蓝工程"基金项目 2016
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
537-541