基于面部动作时空特征的疲劳预警算法

论文摘要

目前疲劳预警算法多采用实时监测报警的方式,这在高速行驶中具有很大的安全隐患。鉴于人类疲劳状态的时序相关性,提出一种基于面部动作时空特征提取的预警算法。首先,构建加入空间变换结构的卷积神经网络,识别人脸区域,对脸部特征点进行检测标记;其次,建立时空特征提取网络,利用采集的人脸图像序列,对未来图像序列进行预测并输出;最后,在输出的图像序列中根据眼部、嘴部综合状态判断是否发出警告。实验结果表明,以15 fps的速率采集图像,预测未来2 s 30帧图像的方式下,该算法能以90%以上的准确率提前26帧(约1.5 s)预警,且提前15帧(1 s)预警的准确率达到97%。在我国高速公路平均100 km/h的车速下,相当于提前40 m预警,能进一步减少交通事故的发生。

论文目录

• 1 引言
• 2 相关理论
•   2.1 STN网络结构
•   2.2 LSTM网络结构
•   2.3 ConvLSTM网络结构
• 3 基于面部动作时空特征的疲劳预警算法
•   3.1 基于S-CNN结构的人脸检测算法
•   3.2 基于SCL结构的面部状态预测算法
•   3.3 面部特征点提取
•   3.4 基于PERCLOS标准及嘴部开合统计的疲劳检测
•     3.4.1 眼部状态分析
•     3.4.2 嘴部状态分析
•     3.4.3 疲劳检测分析
• 4 实验分析
•   4.1 人脸检测实验与结果分析
•   4.2 状态预测实验与结果分析
•   4.3 眼部与嘴部综合疲劳检测实验分析
•   4.4 预警结果实验分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 郁松,卢霖胤

关键词: 疲劳预警,深度学习,时空特征提取,状态预测

来源: 计算机工程与科学 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 汽车工业,计算机软件及计算机应用

单位: 中南大学软件学院

基金: 湖南省自然科学基金(S2018JJMSXM0177)

分类号: TP391.41;U463.6

页码: 1763-1770

总页数: 8

文件大小: 1579K

下载量: 120