基于驾驶员面部时序数据的疲劳驾驶检测算法

• 作者: 欧阳麟 吴仲城 张俊 李芳
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 迁移学习 疲劳驾驶 疲劳检测 ResNet LSTM
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 13-19,48
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.04.224

摘要

针对传统疲劳驾驶检测方法识别准确率低、泛化能力差的问题,提出了一种基于CNNs和LSTM的端到端可训练网络,检测驾驶员的疲劳状态.根据驾驶员面部特征点提取ROI,将在其他计算机视觉任务上表现较好的深度网络迁移到疲劳检测任务中,并结合LSTM处理时序数据的能力,提出一种新的疲劳检测网络,该网络能够读入视频流中的时序数据并检测出驾驶员的疲劳状态.实验证明所提方法和模型在公开数据集中具有较高的识别准确率,并且在不同的数据集间具有很好的泛化能力,对于减少路面车祸、保障人身安全具有很重要的意义.