基于时序性面部动作信息的驾驶员状态检测框架

作者：崔子岩; 汪剑鸣; 金光浩^*

来源：计算机应用研究, 2019, 36(11): 3476-3480.

DOI：10.19734/j.issn.1001-3695.2018.05.0356

• 异常驾驶
• 时序性信息
• 面部检测
• 长短期记忆网络

通过网络摄像头获取驾驶员面部视频输入网络进行检测的方法主要通过分析驾驶员口型等面部表情来判断是否疲劳驾驶,但说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架,对驾驶员状态进行检测,从而提高检测准确率、降低误检率。该框架通过检测视频中的脸部轮廓,提取脸部的多种特征,形成面部动作单元;通过训练对应的LSTM网络,形成时序性的面部动作单元,根据其相关性进行多种动作单元融合,检测最终驾驶员的状态。在公共YawDD数据集上的检测结果表明,相比现有方法,该检测方法的准确率提高到了93.1%,同时大幅降低了疲劳状态的误检率。

• 单位
  天津工业大学