基于深度学习的多维疲劳驾驶检测系统  

Multidimensional Fatigue Driving Detection System Based on Deep Learning

作　　者：王旭彬 韩毅[1] 郭晓波[1] WANG Xubin;HAN Yi;GUO Xiaobo(Anyang Institute of Technology,Anyang Henan 455000)

机构地区：[1]安阳工学院,河南安阳455000

出　　处：《河南科技》2020年第34期17-20,共4页Henan Science and Technology

基　　金：河南省高等学校青年骨干教师(2016GGJS-151);2021年度河南省高校重点科研项目计划“基于昇腾智能计算平台的多维特征融合的疲劳驾驶行为辨识研究”(21B520001);2020年度安阳市康复医疗专项计划“基于深度学习的多特征融合康复训练患者情绪识别方法研究”。

摘　　要：针对机动车驾驶员疲劳驾驶的检测问题,本文设计了一种基于深度学习与计算机视觉的多特征融合疲劳驾驶检测系统。该系统基于Jetson Nano便携式开发板,使用目标检测框架YOLOV3对驾驶员进行面部定位,而后进行人脸多特征点提取、多维度特征融合分析,评估驾驶员状态。该系统创新性地引入时间特征维度,对面部特征以时间维度进行“预分析”和“趋势化”的分析方法,极大地缩减了驾驶员个体差异对判别带来的影响,达到了疲劳驾驶检测的高置信、高精度。For fatigue driving detection,a multi-feature fusion fatigue driving detection method based on deep learn⁃ing was proposed.The algorithm is based on the Jetson Nano portable development board,uses the target detection framework YOLOV3 to locate the driver,and then performs face landmarks extraction and multi-dimensional analy⁃sis to evaluate the driver's status.Innovatively proposes"pre-analysis"and"trend-analysis"methods,which greatly reduces the impact of individual driver differences on discrimination,and improves the confidence and precision of fatigue driving detection.

关 键 词：疲劳驾驶 深度学习 人脸特征点检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] U463.6[自动化与计算机技术—计算机科学与技术]