基于多尺度池化卷积神经网络的疲劳检测方法研究

作者：顾王欢; 朱煜^*; 陈旭东; 郑兵兵; 何林飞

来源：计算机应用研究, 2019, 36(11): 3471-3475.

DOI：10.19734/j.issn.1001-3695.2018.05.0337

• 视觉特征分析
• 多尺度池化
• 卷积神经网络
• 疲劳检测
• 人脸检测

针对视觉特征分析疲劳检测问题,设计了一种级联深度学习的检测系统结构,并提出基于多尺度池化的卷积神经网络疲劳状态检测模型。首先通过深度学习模型MTCNN进行人脸检测,提取出眼睛和嘴巴区域;针对眼睛和嘴巴的状态表征和识别问题,提出一种基于Res Net的多尺度池化模型(MSP)对眼睛和嘴巴状态进行训练;实时检测时,将眼睛嘴巴区域通过训练好的卷积神经网络模型进行状态识别,最后基于PERCLOS和提出的嘴巴张合频率(FOM)对驾驶员进行疲劳判定。实验结果表明,该算法具有较高的检测准确率,同时满足实时性要求,且对复杂环境具有较高的鲁棒性。

• 单位
  华东理工大学