基于防疫常态化的驾驶员疲劳状态检测方法

摘要：

疲劳驾驶检测是交通安全领域的研究分支,而新冠疫情形势下口罩的佩戴又提出了新的挑战.为此通过基于ResNet-10的SSD模型检测驾驶员人脸,并使用MobileNet-V2轻量级模型判断是否佩戴口罩,测试集验证该分类器可以达到98.50％的判断精度.在未佩戴口罩的情况下采用传统图像HOG特征结合SVM分类器检测驾驶员人脸.在后续处理中利用级联回归器定位特征点和提取时间窗口内的疲劳指标,采用二次判定对疲劳状态采取文字和声音预警,而在清醒状态下会调整各项判断阈值.对算法在预采集的视频样本和NTHU-DDD测试集下进行测试,验证了该框架能以18.42帧/s的总体速度实现92.65％和86.09％的检测精度.实验结果表明,该框架应对佩戴眼镜、脸部姿态变化和光照条件差异具有强鲁棒性,而且能够兼顾疲劳检测的口罩干扰和实时性.

关键词：智能交通、疲劳检测、自适应判断、口罩分类

所属期刊栏目：39

分类号：U491.6(交通工程与公路运输技术管理)

资助基金：*国家自然科学基金项目;广州市重点区域研发计划项目;广东省教育厅项目

在线出版日期：2021-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：26-34