基于多尺度池化卷积神经网络的疲劳检测方法研究

摘要：

针对视觉特征分析疲劳检测问题,设计了一种级联深度学习的检测系统结构,并提出基于多尺度池化的卷积神经网络疲劳状态检测模型.首先通过深度学习模型MTCNN进行人脸检测,提取出眼睛和嘴巴区域;针对眼睛和嘴巴的状态表征和识别问题,提出一种基于ResNet的多尺度池化模型(MSP)对眼睛和嘴巴状态进行训练;实时检测时,将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别,最后基于PERCLOS和提出的嘴巴张合频率(FOM)对驾驶员进行疲劳判定.实验结果表明,该算法具有较高的检测准确率,同时满足实时性要求,且对复杂环境具有较高的鲁棒性.

关键词：视觉特征分析、多尺度池化、卷积神经网络、疲劳检测、人脸检测

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：上海市科学技术委员会科研计划资助项目17DZ1100808,17DZ1100803

在线出版日期：2020-01-16（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：3471-3475