计算机工程

作者：张博熠, 者甜甜, 赵新旭, 刘庆华, 王家晨

单位：1. 江苏科技大学 计算机学院, 江苏镇江 212000;2. 江苏科技大学 电信学院, 江苏镇江 212000;3. 江苏科技大学海洋学院, 江苏 镇江 212000

关键词：疲劳驾驶检测,RetinaFace算法,状态识别,多特征融合,Ghost模块

基金：国家自然科学基金（51008143，52275251）；江苏省六大高峰人才项目（XYDXX-117）。

驾驶员疲劳驾驶是引发交通事故的重要因素，因此对驾驶员的驾驶状态进行精准检测尤为关键，然而现有的疲劳检测方法存在误判率高、鲁棒性低等问题。提出一种结合多特征融合与状态识别网络的疲劳驾驶检测方法，分析驾驶员的疲劳状态，利用优化后的单阶段人脸检测算法RetinaFace获取人脸位置及5个标志定位，根据双眼和嘴角关键点坐标将双眼及嘴部区域分别旋转至水平并截取。对现有数据集进行重新分类，用来训练以Ghost模块为基础的眼嘴状态识别网络（EMSD-Net），并对双眼开合状态及嘴部是否哈欠进行识别。最后，根据眼嘴状态，使用单位时间眼睛闭合的百分比、持续闭眼时间和持续哈欠时间为指标进行疲劳判断，并得出相应的疲劳程度，从而起到更有效的预警效果。在NHTU-DDD、YawDD和CEW数据集基础上构建的新数据集上的实验结果表明，所提方法的疲劳特征识别准确率为95.3%，单帧疲劳检测的平均时间为32.6 ms，具有较低的误判率，且在保证检测准确率基础上，有较高的实时性。

来源：2023年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第5期