计算机工程

作者：樊星, 刘占文, 林杉, 窦瑞娟

单位：1. 长安大学 电子与控制工程学院, 西安 710064;2. 长安大学 信息工程学院, 西安 710064

关键词：疲劳驾驶检测,深度学习,少样本学习,GP-VGG16网络,积分投影

基金：国家自然科学基金（61703054）；陕西省重点研发计划（2018ZDXM-GY-044）。

针对现有疲劳驾驶检测技术不能有效平衡准确性和实时性的问题，通过融合人眼特征与深度学习，构建一种新的疲劳驾驶检测模型。设计GP-VGG16网络进行眼部状态识别，通过将人工先验信息集成到轻量级深度网络中，提高眼部状态识别的准确性、稳定性和实时性。在此基础上，利用眼部特征-疲劳等级模型将疲劳状态划分为9个等级，定量估计驾驶员状态，同时基于少样本学习建立高效的自动标签生成网络，减少对大量无标签驾驶数据的语义标注。实验结果表明，该模型的准确率达到97.1%，运行速度达到39.96 frame/s，能够有效提高驾驶员疲劳状态识别的准确性与时效性。

来源：2021年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第8期