基于视频监控的多指标疲劳预测方法研究

作者：于颖慧; 朱海燕; 刘志钢; 黄璐

来源：现代隧道技术, 2021, S1: 120-128.

DOI：10.13807/j.cnki.mtt.2021.S1.015

• 多指标
• 驾驶疲劳
• HRV
• rPPG
• SVM

驾驶疲劳可以通过可穿戴设备测量司机的心率或用摄像头提取司机的面部特征来检测。然而,可穿戴设备会给司机带来不便,并且传统基于面部特征的疲劳识别方法准确率较低。为了解决这些问题,提出一种基于视频监控的多指标疲劳预测方法。该方法通过多任务卷积神经网络(Multi-task Cascaded Convolutional Networks,MTCNN)进行人脸区域检测;利用级联回归树(Ensemble of Regression Trees,ERT)检测人脸特征点,对额头、嘴巴和眼睛进行定位;根据嘴巴和眼睛的坐标计算张嘴程度和睁眼程度,利用remote PPG(rPPG)计算心率变异性(Heart Rate Variability,HRV);通过随机森林(Random Forest,RF)对其进行降维和进一步特征提取,并输入支持向量机(Support Vector Machine,SVM)中进行疲劳预测。结果表明,提出的方法可以提高疲劳预测的准确度,并为危险性驾驶状态预警和干预系统的开发提供理论依据。

• 单位
  上海工程技术大学