科研之友
微信
新浪微博
Facebook
分享链接
摘要
呈现不同疲劳状态的人脸特征数据较多，常规方法由于对监测图像的划分不够细致，会丢失较多的匹配关键点，影响特征泛化能力，研究基于Fine-Grained的电力作业人员疲劳状态自动识别方法。设置三级疲劳状态等级，依据睁闭速度、眨眼频率和眼睑开合程度，构建电力作业人员疲劳状态识别模型；基于Fine-Grained(细粒度)分割图像，定位面部特征点及瞳孔位置；按照少数服从多数的原则设置自动分类标准，多尺度特征融合细粒度疲劳图像；通过强监督细粒度识别算法，自动识别疲劳状态。实验结果表明：本方法的识别精度在99.99%以上，与三组对照的常规方法相比，丢失的匹配关键点不超过10个，特征泛化能力最佳。
- 单位
