基于轻量化网络的疲劳驾驶检测

作者：刘志英; 武斌

来源：天津城建大学学报, 2023, 29(01): 49-54.

DOI：10.19479/j.2095-719x.2301049

• 轻量化
• 疲劳驾驶
• Xception网络
• 支持向量机

针对疲劳驾驶检测要求精度高、实时性、鲁棒性等特点，提出一种基于轻量化网络的疲劳驾驶检测模型.采用Faceboxes进行人脸定位，通过PFLD(praclical facial landmark detector)检测人脸关键点以获取眼部、嘴部区域图像和头部姿态；然后，基于Xception的模块化思想，设计眼、嘴状态分类网络，准确率分别达到99.61%、97.58%；最后，分别计算基于时间序列的眼部、嘴部及头部疲劳表征参数，采用支持向量机（Support Vector Machine,SVM）进行疲劳判定.经实验表明：疲劳检测准确率达到98.3%，速率为47 fp/s，模型大小为7.1 Mb.在保留整个模型轻量化的同时，兼顾准确率和实时性，可应用在嵌入式系统或低算力设备中.

• 单位
  天津城建大学