基于多特征融合的眼睛状态检测算法研究

摘要：

疲劳驾驶检测算法研究对提升交通安全有着重要的意义.目前,已有大量关于疲劳驾驶的文献和成果.在疲劳驾驶检测算法中,眼睛开闭状态的判断起着至关重要的作用.深度级联卷积神经网络用来检测人脸和人脸特征,利用Dlib工具快速提取驾驶员人脸特征.基于眼睛特征计算眼睛宽高比,并将眼睛宽高比、传统人眼特征的人眼虹膜等用于判断眼睛开闭的参数.该文提出一种实时地融合了EAR、虹膜等多个特征的眼睛状态检测算法,可补偿传统人眼特征的像素值比较敏感的不足,也补偿了EAR在人脸倾斜、戴眼镜、光照变换、眼睛周围有光斑等情况下非常不可靠的不足.在640*480分辨率,帧率30 fps的视频上获得平均92％的检测正确率.实验结果表明融合后的算法可在光照变换、人脸倾斜、佩戴眼镜等条件下提升检测性能,鲁棒性较高.

关键词：眼睛状态监测、疲劳驾驶、多特征融合、PERCLOS、EAR

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：四川省重大科技专项项目;自贡市科技计划重点项目

在线出版日期：2021-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：97-100