基于人眼状态的瞌睡识别算法

摘要：

已有瞌睡识别算法多数基于机器学习或深度学习,没有考虑到人眼闭合状态序列与瞌睡之间的关系.针对上述问题,提出了一种基于人眼状态的瞌睡识别算法.首先,提出了人眼分割和面积计算模型,基于人脸68个特征点,根据人眼特征点构成的极大多边形分割出眼睛区域,并利用眼睛像素点的总数代表眼睛面积大小;其次,计算极大状态下的人眼面积,并利用关键帧挑选算法挑选出最能代表睁眼程度的4帧,根据这4帧的人眼面积与极大状态下的人眼面积计算睁眼阈值,从而构建眼睛闭合度得分模型来确定人眼闭合状态;最后,根据输入视频的人眼闭合得分序列,构建了基于连续多帧序列分析的瞌睡识别模型.在两个国际常用的打哈欠检测数据集(YawDD)和NTHU-DDD数据集上进行瞌睡状态识别,实验结果表明,所提算法在两个数据集上的识别准确率均在80％以上,尤其是在YawDD数据集上,识别准确率达到94％以上.该算法可应用于驾驶员驾驶状态检测、学习者课中状态分析等.

关键词：面部特征;人眼定位;人眼状态识别;多帧序列分析;瞌睡识别

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-12-10（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：3213-3218