基于多面部特征融合的驾驶员疲劳检测算法

摘要：

本文将卷积神经网络(Convolutional Neural Network,CNN)应用到视频理解中,提出一种基于多面部特征融合的驾驶员疲劳检测算法.本文使用多任务级联卷积网络(Multi-Task Cascaded Convolutional Networks,MTCNN)定位驾驶员的嘴部、左眼,使用CNN从驾驶员嘴部、左眼图像中提取静态特征,结合CNN从嘴部、左眼光流图中提取动态特征进行训练分类.实验结果表明,该算法比只使用静态图像进行驾驶员疲劳检测效果更好,准确率达到87.4％,而且可以很好地区别在静态图像中很相似的打哈欠和讲话动作.

关键词：疲劳检测、多任务级联卷积网络、光流、特征融合、计算机视觉

所属期刊栏目：27

资助基金：国家自然科学基金青年科学基金61503143;广州市科技计划项目珠江科技新星科技创新人才专项201710010038;广东省自然科学基金博士科研启动项目2014A030310244

在线出版日期：2018-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：177-182