基于深度学习的疲劳驾驶检测算法

• 作者: 代松银 刘宏哲 李学伟 郑伟成
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 疲劳驾驶检测 疲劳特征提取 PERCLOS值 人脸检测 人脸关键点检测 头部姿态估计
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 热点与综述
• 页码范围: 21-29
• 页数: 9页
• 分类号: TP391
• 字数: 6331字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055912

摘要

为实现复杂驾驶环境下驾驶人员疲劳状态识别与预警,提出基于深度学习的疲劳驾驶检测算法.利用基于shuffle-channel思想的MTCNN模型检测常规摄像头实时采集的驾驶人员人脸图像,使用PFLD深度学习模型进行人脸关键点检测以定位眼部、嘴部和头部位置,从中提取眨眼频率、嘴巴张开程度和点头频率等特征参数,并通过多特征融合策略获取驾驶人员疲劳状态,从而实现疲劳驾驶的有效预警.实验结果表明,该算法给出的疲劳驾驶预警结果均未出现误判情况,具有较高的检测准确率和较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宏哲	北京联合大学北京市信息服务工程重点实验室	51	498	12.0	21.0
2	李学伟	北京联合大学北京市信息服务工程重点实验室	20	17	2.0	3.0
3	代松银	北京联合大学北京市信息服务工程重点实验室	2	0	0.0	0.0
4	郑伟成	北京联合大学北京市信息服务工程重点实验室	1	0	0.0	0.0