基于卷积神经网络的学生课堂疲劳检测算法

作者：陈藩; 施一萍^*; 胡佳玲; 谢思雅; 刘瑾

来源：传感器与微系统, 2022, 41(06): 153-156.

DOI：10.13873/J.1000-9787(2022)06-0153-04

• 多任务级联神经网络
• 人眼定位
• PERCLOS标准
• 疲劳检测

为了提高教学质量，需要对学生的课堂状态进行判断，找出处于疲劳的学生；然而传统的卷积神经网络不能同时保证检测的实时性和准确性。为此，提出一种改进的多任务级联神经网络(MTCNN)来实现疲劳检测。首先，通过MTCNN实现人脸关键点定位；其次，提出一种基于多任务约束学习的眼部精准定位方法；并将常规的激活函数ReLU替换为Leaky ReLU避免了神经元失活的影响；接着，构建眼、嘴数据集，完成眼、嘴部状态分类模型训练；最后，利用训练好的模型，结合相应的判断标准实现疲劳检测。实验结果表明：本文方法的准确率达到了95.7%,同时实时性也得到了极大的改善。

• 单位
  上海工程技术大学