基于多尺度池化卷积神经网络的疲劳检测方法研究

• 作者: 何林飞 朱煜 郑兵兵 陈旭东 顾王欢
• 来源期刊: 计算机应用研究
• 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
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3471-3475
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.05.0337

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱煜	华东理工大学电子与通信工程系	39	367	11.0	18.0
2	顾王欢	华东理工大学电子与通信工程系	1	1	1.0	1.0
3	陈旭东	华东理工大学电子与通信工程系	2	1	1.0	1.0
4	郑兵兵	华东理工大学电子与通信工程系	3	115	1.0	3.0
5	何林飞	华东理工大学电子与通信工程系	3	3	1.0	1.0