基于多尺度池化卷积神经网络的疲劳检测方法研究

论文摘要

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。

论文目录

• 0 引言
• 1 预处理
•   1.1 数据采集
•   1.2 数据预处理
• 2 人脸检测
• 3 多尺度池化卷积神经网络MSP-Net
•   3.1 模型设计
•   3.2 损失函数与优化方法
• 4 疲劳状态检测
•   4.1 PERCLOS
•   4.2 嘴巴张合频率
•   4.3 疲劳状态检测
• 5 实验与分析
•   5.1 实验平台与数据集
•   5.2 实验结果分析
•     5.2.1 眼睛和嘴巴状态检测
•     5.2.2 疲劳状态检测
•   5.3 讨论
• 6 结束语

文章来源

类型: 期刊论文

作者: 顾王欢,朱煜,陈旭东,郑兵兵,何林飞

关键词: 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

来源: 计算机应用研究 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑,工程科技Ⅱ辑

专业: 安全科学与灾害防治,公路与水路运输,汽车工业,自动化技术

单位: 华东理工大学电子与通信工程系

基金: 上海市科学技术委员会科研计划资助项目(17DZ1100808,17DZ1100803)

分类号: TP183;U463.6;U492.8

DOI: 10.19734/j.issn.1001-3695.2018.05.0337

页码: 3471-3475

总页数: 5

文件大小: 1842K

下载量: 469