基于面部倒立摆模型与信息熵的驾驶员疲劳检测

作者：李泰国^*; 张天策; 李超; 周星宏

来源：交通运输系统工程与信息, 2023, 23(05): 24-32.

DOI：10.16097/j.cnki.1009-6744.2023.05.003

• 智能交通
• 疲劳检测
• 倒立摆模型
• 面部关键点
• 头部姿态

驾驶员疲劳检测的研究有助于降低交通事故的发生。本文提出一种基于面部倒立摆模型与信息熵的疲劳检测方法，首先，采用PFLD(Practical Facial Landmark Detector)模型检测驾驶员面部关键点坐标，并估计用于表示头部姿态信息的Pitch、Yaw以及Roll角度值；然后，以关键点坐标为输入建立面部倒立摆模型，计算模型中连杆系统在驾驶员驾驶过程中的动能和势能；之后，以倒立摆模型的动能、势能以及头部姿态数据作为衡量驾驶员疲劳状态变化的指示特征，基于滑动窗口计算各疲劳特征的信息熵值；通过CNN(Convolutional Neural Networks)处理疲劳特征信息熵值，建立信息熵与驾驶员疲劳状态之间的联系；最后，将CNN在各个时间点上的输出作为LSTM(Long Hort-term Memory)网络的输入特征，通过CNN-LSTM模型实现疲劳特征信息熵的分类预测。实验结果表明，所提模型的预测结果达到95.04%，验证了本文方法的有效性。

• 单位
  陕西省康复医院; 兰州交通大学