基于深度卷积网络和在线学习跟踪的驾驶员打哈欠检测

论文摘要

提出了一种基于多信息融合的驾驶员打哈欠检测方法。首先,建立驾驶员面部图像数据库并训练深度卷积神经网络来依次检测驾驶员的面部和鼻子;然后,采用局部二比特特征和随机森林分类器训练生成在线鼻子检测器,以此来校正光流跟踪器在鼻子跟踪过程中产生的漂移误差等参数;最后,分析鼻子下方嘴部区域的边界梯度变化情况,并结合鼻子跟踪器置信度、面部横向运动等信息来判断驾驶员是否打哈欠。实验结果表明,深度卷积网络相对于其他面部分类方法,可以获得更好的分类检测效果;基于在线学习的跟踪方法可以很好地减小光流跟踪引起的漂移误差;整个算法可以在多种驾驶环境下以较高准确率检测驾驶员打哈欠事件的发生。

论文目录

• 0 引言
• 1 系统框架
• 2 基于深度卷积网络的面部部件检测
• 3 基于在线学习的目标跟踪方法
•   3.1 训练样本的局部二比特特征
•   3.2 随机森林分类器
•   3.3 在线目标跟踪
• 4 基于多信息融合的打哈欠检测
• 5 实验
•   5.1 驾驶员面部分类
•   5.2 打哈欠事件分析
• 6 结论

文章来源

类型: 期刊论文

作者: 张伟伟,糜泽阳,肖凌云,钱宇彬

关键词: 卷积神经网络,光流跟踪,打哈欠检测,信息融合,二比特特征

来源: 中国机械工程 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 汽车工业,自动化技术

单位: 上海工程技术大学机械与汽车工程学院,中国标准化研究院

基金: 国家重点研发计划资助项目(2016YFC0800702-1),国家自然科学基金资助项目(51805312,51675324,51575169),中央高校基本科研业务费专项资金资助项目(282019Y-6694,282018Y-5976)

分类号: U463.6;TP18

页码: 902-911

总页数: 10

文件大小: 4420K

下载量: 350