计算机工程

作者：郑伟成, 李学伟, 刘宏哲, 代松银

单位：北京联合大学 北京市信息服务工程重点实验室, 北京 100101

关键词：疲劳驾驶检测,疲劳特征提取,PERCLOS值,人脸检测,人脸关键点检测,头部姿态估计

基金：国家自然科学基金（61871039，61802019，61906017）；国家科技支撑计划项目（015BAH55F03）；北京市自然科学基金（4184088）；北京市属高校高水平教师队伍建设支持计划项目（IDHT20170511）；北京市教委项目（KM201911417001，KM201711417005）；北京联合大学领军人才项目（BPHR2019AZ01）；智能驾驶大数据协同创新中心项目（CYXC1902）。

为实现复杂驾驶环境下驾驶人员疲劳状态识别与预警，提出基于深度学习的疲劳驾驶检测算法。利用基于shuffle-channel思想的MTCNN模型检测常规摄像头实时采集的驾驶人员人脸图像，使用PFLD深度学习模型进行人脸关键点检测以定位眼部、嘴部和头部位置，从中提取眨眼频率、嘴巴张开程度和点头频率等特征参数，并通过多特征融合策略获取驾驶人员疲劳状态，从而实现疲劳驾驶的有效预警。实验结果表明，该算法给出的疲劳驾驶预警结果均未出现误判情况，具有较高的检测准确率和较好的鲁棒性。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期