典型文献
基于脸部特征和头部姿态的疲劳检测方法
文献摘要：
针对疲劳驾驶检测方法存在疲劳特征单一、鲁棒性低和不能因驾驶员不同定制疲劳阈值等问题,提出了 一种基于脸部特征和头部姿态的疲劳检测方法.利用HOG(histograrn of oriented gradients)特征算子和回归树算法进行人脸检测和人脸关键点定位;通过脸部关键点结合坐标系变换估计头部姿态欧拉角;建立深度残差神经网络模型对眼部疲劳特征进行提取,同时结合眼部、嘴部纵横比和头部姿态欧拉角进行疲劳特征提取;利用眼部、嘴部和头部姿态疲劳特征建立针对不同驾驶员的支持向量机模型对疲劳驾驶进行预警.实验表明:在YawDD和自建疲劳模拟数据集上,该方法均表现出较高的准确率和鲁棒性,在某一疲劳特征检测受阻时依然能进行较好的疲劳预警.
文献关键词：
疲劳驾驶;人脸检测;头部姿态;深度学习;支持向量机
中图分类号：
作者姓名：
陆荣秀;张笔豪;莫振龙
作者机构：
华东交通大学电气与自动化工程学院,江西南昌330013;江西省先进控制与优化重点实验室,江西南昌330013;华东交通大学交通运输与物流学院,江西南昌330013
文献出处：
引用格式：
[1]陆荣秀;张笔豪;莫振龙-.基于脸部特征和头部姿态的疲劳检测方法)[J].系统仿真学报,2022(10):2279-2292
A类：
histograrn
B类：
脸部特征,头部姿态,疲劳检测方法,疲劳驾驶检测,疲劳特征,驾驶员,同定,HOG,oriented,gradients,回归树,人脸检测,人脸关键点,关键点定位,脸部关键点,坐标系变换,欧拉角,深度残差神经网络,眼部,合眼,嘴部,纵横比,用眼,支持向量机模型,驶进,YawDD,劳模,模拟数据,特征检测,疲劳预警
AB值：
0.338045
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。
