典型文献
基于驾驶员面部时序数据的疲劳驾驶检测算法
文献摘要：
针对传统疲劳驾驶检测方法识别准确率低、泛化能力差的问题,提出了一种基于CNNs和LSTM的端到端可训练网络,检测驾驶员的疲劳状态.根据驾驶员面部特征点提取ROI,将在其他计算机视觉任务上表现较好的深度网络迁移到疲劳检测任务中,并结合LSTM处理时序数据的能力,提出一种新的疲劳检测网络,该网络能够读入视频流中的时序数据并检测出驾驶员的疲劳状态.实验证明所提方法和模型在公开数据集中具有较高的识别准确率,并且在不同的数据集间具有很好的泛化能力,对于减少路面车祸、保障人身安全具有很重要的意义.
文献关键词：
迁移学习;疲劳驾驶;疲劳检测;ResNet;LSTM
中图分类号：
作者姓名：
欧阳麟;吴仲城;张俊;李芳
作者机构：
中国科学院强磁场科学中心,安徽合肥230031;中国科学技术大学,安徽合肥230026;强磁场安徽省实验室,安徽合肥230031
文献出处：
引用格式：
[1]欧阳麟;吴仲城;张俊;李芳-.基于驾驶员面部时序数据的疲劳驾驶检测算法)[J].测控技术,2022(02):13-19,48
A类：
B类：
驾驶员,时序数据,疲劳驾驶检测,检测算法,方法识别,识别准确率,泛化能力,CNNs,端到端,疲劳状态,面部特征点,特征点提取,ROI,计算机视觉,视觉任务,深度网络,疲劳检测,测网,读入,视频流,公开数据集,车祸,人身安全,很重,迁移学习,ResNet
AB值：
0.371584
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。
