作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于面部特征的疲劳驾驶检测算法通常效果较好,但其特征提取大都基于人脸检测实现,设计了一种基于深度学习的多特征融合疲劳驾驶检测系统,该系统基于深度卷积神经网络,采用开源的深度学习框架搭建网络,自制数据集,完成人眼与嘴巴标注并用于网络训练.通过对比试验,训练后的网络能够适应复杂外部干扰,解决了传统算法对头部姿态和面部遮挡鲁棒性差的问题,能有效识别疲劳状态,在测试集中总体准确率能到96%.
推荐文章
基于Adaboost的疲劳驾驶眨眼检测
疲劳驾驶
分类器
人脸检测
眨眼检测
疲劳驾驶检测技术研究
PERCLOS
疲劳驾驶检测
Adaboost
实时性
基于机器视觉的疲劳驾驶检测系统
机器视觉
边缘计算
实时监测
驾驶行为分析
疲劳驾驶检测
实时显示
基于云计算的多特征疲劳驾驶检测系统研究与设计
疲劳驾驶检测
嵌入式系统
云计算
数字图像处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的疲劳驾驶检测系统
来源期刊 科学技术创新 学科
关键词 深度学习 疲劳驾驶 目标检测
年,卷(期) 2021,(13) 所属期刊栏目 创新创业论坛
研究方向 页码范围 172-173
页数 2页 分类号 U463.6|TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1673-1328.2021.13.076
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (18)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(6)
  • 参考文献(0)
  • 二级参考文献(6)
2018(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(8)
  • 参考文献(0)
  • 二级参考文献(8)
2020(3)
  • 参考文献(2)
  • 二级参考文献(1)
2021(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
疲劳驾驶
目标检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科学技术创新
旬刊
2096-4390
23-1600/N
16开
黑龙江省哈尔滨市
14-269
1997
chi
出版文献量(篇)
126927
总下载数(次)
266
总被引数(次)
285821
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导