计算机应用研究

作者：崔子岩,汪剑鸣,金光浩,

单位：天津工业大学a.计算机科学与软件学院;b.电子与信息工程学院,天津300380；

关键词：异常驾驶,时序性信息,面部检测,长短期记忆网络,

基金：国家自然科学基金资助项目(61302127,61403278)；中国博士后科学基金资助项目(2015M570228)；天津市应用基础与前沿技术研究计划资助项目(15JCYBJC16600)；天津市自然科学基金资助项目(16JCYBJC42300)；天津市高等学校创新团队培养计划资助项目(TD13-5032)；；

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。

来源：2019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2019年第11期