基于深度学习的疲劳驾驶状态检测方法

• 作者: 岳伟 林军 熊群芳
• 来源期刊: 控制与信息技术
• 学科: 工学
• 关键词: 疲劳检测 深度学习 卷积神经网络 Perclos算法
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能技术与应用
• 页码范围: 91-95
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13889/j.issn.2096-5427.2018.06.400

摘要

目前疲劳驾驶检测算法大多基于单一的人工提取疲劳状态特征实现,且大部分算法结构复杂、鲁棒性低.为此,文章提出一种基于深度学习的疲劳检测方法,它采用卷积神经网络和Landmark算法来实现人脸图像特征点的自动提取,并使用SVM算法对疲劳特征进行分类,最后基于Perclos算法实现视频流图像的疲劳状态检测.实验结果表明,该方法能较好地提取疲劳特征,实现实时疲劳检测,且检测精度达96.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林军	中车株洲电力机车研究所有限公司	8	0	0.0	0.0
2	岳伟	中车株洲电力机车研究所有限公司	9	1	1.0	1.0
3	熊群芳	中车株洲电力机车研究所有限公司	2	0	0.0	0.0