典型文献
基于深度学习和面部多特征融合的驾驶员疲劳检测研究
文献摘要：
驾驶员疲劳驾驶是造成交通事故的重要原因之一,因此提出了基于深度学习和面部多特征融合的驾驶员疲劳检测研究方法;首先采用多任务级联卷积神经网络MTCNN(multi-task convolutional neural network)结构进行面部检测和特征点定位,并利用Dlib工具包中的面部68个地标,提取驾驶员面部的特征参数;其次,基于眼睛纵横比(EAR),眼睛闭合百分比(PECLORS)和嘴巴高宽比(MAR)的值按不同的权值相加得到参数M,在一定时间内累加M＞0.605的帧数判断驾驶员疲劳的程度;最后,试验结果表明:该方法能够有效地利用视频图像实时检测驾驶员疲劳状态,其准确率和灵敏度分别为93.1％和90.2％,对于保护驾驶员及车辆行驶安全具有重大意义.
文献关键词：
疲劳检测;眼睛纵横比;眼睛闭合百分比;嘴巴高宽比;深度学习
中图分类号：
作者姓名：
张闯;朱天军;李学民
作者机构：
河北工程大学机械与装备工程学院,河北邯郸 056038;肇庆学院 机械与汽车工程学院,广东 肇庆 526061;清华大学 苏州汽车研究院,江苏 苏州 215200
文献出处：
引用格式：
[1]张闯;朱天军;李学民-.基于深度学习和面部多特征融合的驾驶员疲劳检测研究)[J].计算机测量与控制,2022(12):42-50
A类：
眼睛纵横比,眼睛闭合百分比,PECLORS,嘴巴高宽比
B类：
多特征融合,驾驶员,疲劳检测,疲劳驾驶,成交,交通事故,多任务级联卷积神经网络,MTCNN,multi,task,convolutional,neural,network,特征点定位,Dlib,工具包,地标,EAR,MAR,权值,相加,加得,累加,视频图像,实时检测,疲劳状态,护驾,车辆行驶,行驶安全
AB值：
0.304112
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
