基于深度卷积网络和在线学习跟踪的驾驶员打哈欠检测

• 作者: 张伟伟 糜泽阳 肖凌云 钱宇彬
• 来源期刊: 中国机械工程
• 学科: 交通运输
• 关键词: 卷积神经网络 光流跟踪 打哈欠检测 信息融合 二比特特征
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 机械基础工程
• 页码范围: 902-911
• 页数: 10页
• 分类号: U471.15|TP29
• 字数: 6173字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2019.08.004

摘要

提出了一种基于多信息融合的驾驶员打哈欠检测方法.首先,建立驾驶员面部图像数据库并训练深度卷积神经网络来依次检测驾驶员的面部和鼻子;然后,采用局部二比特特征和随机森林分类器训练生成在线鼻子检测器,以此来校正光流跟踪器在鼻子跟踪过程中产生的漂移误差等参数;最后,分析鼻子下方嘴部区域的边界梯度变化情况,并结合鼻子跟踪器置信度、面部横向运动等信息来判断驾驶员是否打哈欠.实验结果表明,深度卷积网络相对于其他面部分类方法,可以获得更好的分类检测效果;基于在线学习的跟踪方法可以很好地减小光流跟踪引起的漂移误差;整个算法可以在多种驾驶环境下以较高准确率检测驾驶员打哈欠事件的发生.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱宇彬	上海工程技术大学机械与汽车工程学院	34	153	7.0	11.0
2	肖凌云		13	52	4.0	7.0
3	张伟伟	上海工程技术大学机械与汽车工程学院	7	10	2.0	3.0
4	糜泽阳	上海工程技术大学机械与汽车工程学院	1	1	1.0	1.0