基于深度学习的疲劳状态识别算法

摘要：

目前国内外的疲劳状态识别算法大多数是基于单一的、人为制定的疲劳状态特征实现的,且大部分算法结构复杂,效率比较低下,对驾驶员的个人行为习惯的适应性不强.为此,提出一种基于深度学习的疲劳状态识别算法,它引入深信度网络(DBN)来模拟输入图像数据分布,完成对疲劳特征的分层自动抽取,进而基于时间窗实现视频流图像的疲劳状态识别;同时,算法自适应调整网络学习率以减少网络预训练时间,采用反馈机制实现网络自进化,从而提高对用户个性化疲劳特征的适应性.实验结果表明,算法可以使网络获取到良好的疲劳特征,且误判率会随使用时间的增加而逐渐降低.

关键词：疲劳状态识别、深度学习、深信度网络、疲劳特征、反馈机制

所属期刊栏目：42

分类号：TP181(自动化基础理论)

资助基金：江苏省产学研联合创新资金项目SBY201320423

在线出版日期：2015-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：191-194,200