10.16055/j.issn.1672-058X.2021.0006.004
不同姿态下基于多特征融合的疲劳状态检测方法
针对传统的基于单一特征的疲劳检测方法误检率高、可靠性不强、无法适应复杂多变的行车环境等问题,提出了一种将驾驶员的眼睛、嘴巴等多种面部特征进行融合的疲劳驾驶检测方法.与现有的人脸检测模型相比,这里提出的基于梯度提高的学习框架对于侧脸的检测效果更佳,并且能够更好地满足检测时间上的要求;同时通过改进的LeNet-5神经网络模型对视频中的笑容进行分类,排除了表情变化对疲劳驾驶检测的干扰;最后为了降低头部姿态的偏转对疲劳特征提取的影响,引入了基于欧拉角的特征校正算法;对YawDD疲劳驾驶数据集的检测结果表明:不同姿态下基于多特征融合的疲劳驾驶检测不仅能够有效降低头部偏转对疲劳驾驶检测的影响,而且比传统的疲劳检测方法具备更高的鲁棒性.
疲劳驾驶;人脸对齐;PERCLOS;笑容检测;特征融合
38
TP391.4(计算技术、计算机技术)
安徽省高校协同创新项目;安徽省重点研究;开发计划项目
2022-01-04（万方平台首次上网日期，不代表论文的发表时间）
共8页
26-33
