基于级联宽度学习的疲劳驾驶检测

• 作者: 卢兆林 延向军 朱玉斌 申旭奇
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 疲劳检测 宽度学习 深度学习 信息融合 人脸关键点检测
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能技术
• 页码范围: 537-541
• 页数: 5页
• 分类号: TP391.4
• 字数: 3005字
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.02.036

摘要

为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法.用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别.实验结果表明,该算法的疲劳检测准确率为94.9％,单帧检测时间52.43 ms.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢兆林	中国矿业大学信息与控制工程学院	18	53	4.0	6.0
2	朱玉斌	中国矿业大学信息与控制工程学院	1	0	0.0	0.0
3	延向军	山西潞安集团余吾煤业有限责任公司自动化科	1	0	0.0	0.0