基于深度学习的车载疲劳检测研究  

作　　者：叶华洲 

机构地区：[1]安徽理工大学计算机科学与工程学院,安徽淮南232001

出　　处：《电脑知识与技术》2022年第4期66-69,共4页Computer Knowledge and Technology

摘　　要：为了准确、快速地检测驾驶员疲劳状态,设计一种基于深度学习和ERT算法的车载疲劳检测系统。该系统采用MTCNN算法进行人脸定位,使用KCF算法进行人脸追踪,应用ERT算法进行人脸特征点检测。获得特征点后,测定了眨眼动作的EAR阈值与哈欠动作的MAR阈值,在YawDD数据集上眨眼识别的准确率达到88.07%,哈欠识别的F1-measure达到了92.31。通过计算眨眼时的PERCLOS值与检测嘴巴张度MAR的大小来判断眼部与嘴部状态,使用决策树进行多特征融合疲劳判断,进而决定是否进行预警。

关 键 词：疲劳检测 PERCLOS 人脸特征点 ERT算法 人脸检测 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]