典型文献
面向夜间疲劳驾驶检测的改进Zero-DCE低光增强算法
文献摘要：
为了提高夜间疲劳驾驶检测的准确率,在现有低光增强算法Zero-DCE(Zero-Reference Deep Curve Estima-tion)的基础上,提出改进Zero-DCE的低光增强算法.首先,引入上下采样结构,减少噪声影响.同时,引入注意力门控机制,提高网络对图像中人脸区域的敏感性,有效提高网络的检测率.然后,针对噪声相关问题,提出改进的核选择模块.进一步,使用MobileNet的深度可分离卷积替换Zero-DCE的标准卷积,提高网络的检测速度.最后,通过人脸关键点检测网络和分类网络,判断驾驶员的疲劳状态.实验表明,在夜间环境下,相比现有的疲劳驾驶检测算法,文中算法在人脸检测的准确率和眼睛状态的识别率上都有所提升,取得较令人满意的检测效果.
文献关键词：
疲劳检测;低光增强;核选择模块;注意力门控机制;Zero-DCE(Zero-Reference Deep Curve Estimation)
中图分类号：
作者姓名：
黄振宇;陈宇韬;林定慈;黄捷
作者机构：
福州大学 电气工程与自动化学院 福州 350108;福州大学 5G+工业互联网研究院 福州 350108;福州大学 工业自动化控制技术与信息处理福建省高校重点实验室 福州 350108
文献出处：
引用格式：
[1]黄振宇;陈宇韬;林定慈;黄捷-.面向夜间疲劳驾驶检测的改进Zero-DCE低光增强算法)[J].模式识别与人工智能,2022(10):893-903
A类：
注意力门控机制,核选择,核选择模块
B类：
疲劳驾驶检测,Zero,DCE,低光增强,增强算法,Reference,Deep,Curve,下采样,噪声影响,检测率,MobileNet,深度可分离卷积,标准卷积,检测速度,人脸关键点检测,测网,分类网络,驾驶员,疲劳状态,检测算法,人脸检测,眼睛,识别率,令人满意,检测效果,疲劳检测,Estimation
AB值：
0.241874
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。
