计算机应用研究

作者：史瑞鹏,钱屹,蒋丹妮,

单位：1.西安交通大学计算机学院,西安710049；2.西安测绘总站,西安710054；

关键词：疲劳驾驶检测,人脸检测,人脸特征点,卷积神经网络,

疲劳驾驶检测具有重要的警示作用，对检测方法的准确性和实时性均有较高要求。为此，提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先，针对车内特定使用环境，对MTCNN算法进行了加速优化，在保证高准确率的同时检测速度提升高达27倍。其次，在实现人脸特征点精确定位的基础上，提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次，利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终，利用训练得到的模型，结合相应的判定算法，实现了疲劳驾驶的检测判定。实验结果表明，该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上，且每秒可完成约50帧图像的检测，具备良好的实时性。

来源：2020年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第11期