典型文献
基于卷积神经网络的疲劳驾驶识别
文献摘要：
机组人员疲劳驾驶是引发航空事故的原因之一.现有的研究缺少将脸部信息融合的疲劳表情识别,对疲劳表情识别可有效提高疲劳驾驶识别准确率.根据卷积神经网络的基本结构,将卷积核大小为1×1的卷积层加在输入层之后,让网络深度增加、提高特征学习能力、增加输入数据的非线性表示,同时对计算量基本无负面影响,采用线性修正函数ReLU作为激励函数解决模型在训练中梯度消失问题,提出了一种改进的卷积神经网络模型.基于LFW数据集筛选出正常、说话、疲劳3种状态表情,对其进行预处理建立疲劳表情数据集.训练完成的CNN模型对自建疲劳表情数据集实验识别准确率为88.3％,平均识别时间为20ms,与传统疲劳驾驶识别方法相比具有准确率高和实时高效的优点.与未改进的卷积神经网络相比,识别准确率提高了 5.02％.
文献关键词：
深度学习;卷积神经网络;疲劳表情数据集;疲劳表情识别
中图分类号：
作者姓名：
王晶晶;李艳军;曹愈远;吕少岚
作者机构：
南京航空航天大学,江苏南京211000
文献出处：
引用格式：
[1]王晶晶;李艳军;曹愈远;吕少岚-.基于卷积神经网络的疲劳驾驶识别)[J].航空计算技术,2022(05):60-63,68
A类：
疲劳驾驶识别,疲劳表情识别,疲劳表情数据集
B类：
机组人员,航空事故,少将,脸部,信息融合,识别准确率,基本结构,卷积核,卷积层,加在,输入层,特征学习能力,输入数据,线性表示,计算量,本无,线性修正,修正函数,ReLU,激励函数,梯度消失,卷积神经网络模型,LFW,说话,状态表,20ms,未改
AB值：
0.266666
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。
