基于优化概率神经网络的驾驶员疲劳检测
针对驾驶员面部疲劳检测问题,提出了一种基于遗传算法优化概率神经网络(PNN)的驾驶员疲劳检测算法.采用基于HOG特征的人脸检测器检测脸部,使用ERT算法进行关键点定位,计算PERCLOS值、眨眼频率、单位时间内打哈欠的时间占比、点头频率4个疲劳特征参数,将其输入到PNN中进行疲劳判别,并使用遗传算法优化PNN的平滑因子,提高疲劳分类准确率.使用NHTU-DDD数据集和YawDD数据集训练网络,使用自采集样本验证模型泛化性能,实验中与SVM、BP神经网络以及未优化的PNN模型对比,SVM、BP神经网络以及未优化的PNN的准确率分别为95.67%,97.67%,95.33%,所提的优化的PNN模型准确率为98.67%,验证了算法的有效性.
疲劳检测、面部特征、遗传算法、概率神经网络
46
TP391(计算技术、计算机技术)
国家自然科学基金U1504617
2023-09-04（万方平台首次上网日期，不代表论文的发表时间）
共6页
105-110
