基于深度学习的驾驶员疲劳检测
发布时间：2021-10-29 04:54
驾驶员疲劳驾驶是导致交通事故发生的重要原因,对驾驶员驾驶状态的检测和预警,可有效避免交通事故的发生。驾驶员疲劳检测成为当前交通领域的研究热点,但目前的检测方法的准确率仍然较低。本文研究基于深度学习的驾驶员疲劳检测算法,融合人脸及特征点通过卷积神经网络识别驾驶员状态。论文主要工作如下:（1）提出基于多任务级联卷积神经网络MTCNN（Multi-Task Convolutional Neural Networks,MTCNN）的人脸及特征点检测算法,实现真实驾驶环境下驾驶员脸部区域的精确检测和相关特征点的定位。算法增加了训练特征点,提升了网络特征提取的准确性和头部姿态判断的可行性;替换网络的激励函数,添加BN层,以提高网络的运算速度;同时,在O-Net网络结构中添加多尺度池化层,进一步提高网络模型对不同尺度特征的描述能力。（2）提出基于深度可分离卷积神经网络的眼睛和嘴巴状态识别模型。提取眼睛和嘴巴特征,输入到深度可分离卷积神经网络模型判断特征状态,大大提高了检测效率。同时,根据人脸特征点对头部姿态进行判断,以用于后续多特征融合的疲劳判定。（3）提出多特征融合的驾驶员疲劳判定算法。根据识别出...
【文章来源】：山东科技大学山东省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．３?ＭＴＣＮＮ整体框架图??Ｆｉｇ．２．３?Ｏｖｅｒａｌｌ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｍｔｃｎｎ??２．２．?２?ＭＴＣＮＮ网络结构及损失函数??
山东科技大学工程硕士学位论文?２算法整体框架和人脸及特征点检测算法??Ｐ－Ｎｅｔ??Ｉ?＃＾：３？３?＇?１??／ｙ?■－｝＊－＞?卷积：３＊３?卷积：３＊３?Ｉ??｜?厂圓?人脸分类器??｜?ｒ＞Ｄ丨??—＇＇…?＇?????１?＊?１?＊３２??输入尺寸：?５＊５＋１〇?３＊３＊１６?特征点定位??１２＊１２＊３?Ｉ??１＊１＊１０?Ｉ??图２．４?Ｐ－Ｎｅｔ网络结构??Ｆｉｇ．２．４?Ｐ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｒ－Ｎｅｔ的网络结构如图２．５所示，输入大小为２４＊２４＊３的图片，经过２８个３＊３的卷积??核和步长为２，大小为３＊３的池化层处理，得到２８个１１＊１１的特征图。然后，经过４８个??３＊３的卷积核和步长为２，大小为３＊３的池化层处理，得到４８个４＊４的特征图，再经过６４??个２＊２的卷积核处理生成６４个３＊３的特征图。最后，将生成的特征图转换成１２８大小的??全连接层并利用２个１＊１的卷积核处理，得到２个１＊１的特征图用于分类；利用４个１＊１??的卷积核处理，得到４个１＊１的特征图用于边界框回归；利用１０个１＊１的卷积核处理，??得到１０个１＊１的特征图用于人脸特征点定位。??Ｒ－Ｎｅｔ??Ｉ?卷积：２＊２全连接层卩?］??Ｉ?池化：Ｊ?Ｊ?Ｊ??ｉ—?ｕ?人脸分类器??｜口醫＿辱卜！－＿丨??输入尺寸：?４＊４＊４８?Ｕ?特征点定位?Ｉ??Ｉ?２４＊２４＊３?—?１０?Ｉ??Ｉ????图２．５?Ｒ－Ｎｅｔ网络结构??Ｆｉｇ．２．５?Ｒ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｏ－Ｎｅｔ的网络结构如图２
山东科技大学工程硕士学位论文?２算法整体框架和人脸及特征点检测算法??Ｐ－Ｎｅｔ??Ｉ?＃＾：３？３?＇?１??／ｙ?■－｝＊－＞?卷积：３＊３?卷积：３＊３?Ｉ??｜?厂圓?人脸分类器??｜?ｒ＞Ｄ丨??—＇＇…?＇?????１?＊?１?＊３２??输入尺寸：?５＊５＋１〇?３＊３＊１６?特征点定位??１２＊１２＊３?Ｉ??１＊１＊１０?Ｉ??图２．４?Ｐ－Ｎｅｔ网络结构??Ｆｉｇ．２．４?Ｐ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｒ－Ｎｅｔ的网络结构如图２．５所示，输入大小为２４＊２４＊３的图片，经过２８个３＊３的卷积??核和步长为２，大小为３＊３的池化层处理，得到２８个１１＊１１的特征图。然后，经过４８个??３＊３的卷积核和步长为２，大小为３＊３的池化层处理，得到４８个４＊４的特征图，再经过６４??个２＊２的卷积核处理生成６４个３＊３的特征图。最后，将生成的特征图转换成１２８大小的??全连接层并利用２个１＊１的卷积核处理，得到２个１＊１的特征图用于分类；利用４个１＊１??的卷积核处理，得到４个１＊１的特征图用于边界框回归；利用１０个１＊１的卷积核处理，??得到１０个１＊１的特征图用于人脸特征点定位。??Ｒ－Ｎｅｔ??Ｉ?卷积：２＊２全连接层卩?］??Ｉ?池化：Ｊ?Ｊ?Ｊ??ｉ—?ｕ?人脸分类器??｜口醫＿辱卜！－＿丨??输入尺寸：?４＊４＊４８?Ｕ?特征点定位?Ｉ??Ｉ?２４＊２４＊３?—?１０?Ｉ??Ｉ????图２．５?Ｒ－Ｎｅｔ网络结构??Ｆｉｇ．２．５?Ｒ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｏ－Ｎｅｔ的网络结构如图２
本文编号：3464003
【文章来源】：山东科技大学山东省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．３?ＭＴＣＮＮ整体框架图??Ｆｉｇ．２．３?Ｏｖｅｒａｌｌ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｍｔｃｎｎ??２．２．?２?ＭＴＣＮＮ网络结构及损失函数??
山东科技大学工程硕士学位论文?２算法整体框架和人脸及特征点检测算法??Ｐ－Ｎｅｔ??Ｉ?＃＾：３？３?＇?１??／ｙ?■－｝＊－＞?卷积：３＊３?卷积：３＊３?Ｉ??｜?厂圓?人脸分类器??｜?ｒ＞Ｄ丨??—＇＇…?＇?????１?＊?１?＊３２??输入尺寸：?５＊５＋１〇?３＊３＊１６?特征点定位??１２＊１２＊３?Ｉ??１＊１＊１０?Ｉ??图２．４?Ｐ－Ｎｅｔ网络结构??Ｆｉｇ．２．４?Ｐ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｒ－Ｎｅｔ的网络结构如图２．５所示，输入大小为２４＊２４＊３的图片，经过２８个３＊３的卷积??核和步长为２，大小为３＊３的池化层处理，得到２８个１１＊１１的特征图。然后，经过４８个??３＊３的卷积核和步长为２，大小为３＊３的池化层处理，得到４８个４＊４的特征图，再经过６４??个２＊２的卷积核处理生成６４个３＊３的特征图。最后，将生成的特征图转换成１２８大小的??全连接层并利用２个１＊１的卷积核处理，得到２个１＊１的特征图用于分类；利用４个１＊１??的卷积核处理，得到４个１＊１的特征图用于边界框回归；利用１０个１＊１的卷积核处理，??得到１０个１＊１的特征图用于人脸特征点定位。??Ｒ－Ｎｅｔ??Ｉ?卷积：２＊２全连接层卩?］??Ｉ?池化：Ｊ?Ｊ?Ｊ??ｉ—?ｕ?人脸分类器??｜口醫＿辱卜！－＿丨??输入尺寸：?４＊４＊４８?Ｕ?特征点定位?Ｉ??Ｉ?２４＊２４＊３?—?１０?Ｉ??Ｉ????图２．５?Ｒ－Ｎｅｔ网络结构??Ｆｉｇ．２．５?Ｒ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｏ－Ｎｅｔ的网络结构如图２
山东科技大学工程硕士学位论文?２算法整体框架和人脸及特征点检测算法??Ｐ－Ｎｅｔ??Ｉ?＃＾：３？３?＇?１??／ｙ?■－｝＊－＞?卷积：３＊３?卷积：３＊３?Ｉ??｜?厂圓?人脸分类器??｜?ｒ＞Ｄ丨??—＇＇…?＇?????１?＊?１?＊３２??输入尺寸：?５＊５＋１〇?３＊３＊１６?特征点定位??１２＊１２＊３?Ｉ??１＊１＊１０?Ｉ??图２．４?Ｐ－Ｎｅｔ网络结构??Ｆｉｇ．２．４?Ｐ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｒ－Ｎｅｔ的网络结构如图２．５所示，输入大小为２４＊２４＊３的图片，经过２８个３＊３的卷积??核和步长为２，大小为３＊３的池化层处理，得到２８个１１＊１１的特征图。然后，经过４８个??３＊３的卷积核和步长为２，大小为３＊３的池化层处理，得到４８个４＊４的特征图，再经过６４??个２＊２的卷积核处理生成６４个３＊３的特征图。最后，将生成的特征图转换成１２８大小的??全连接层并利用２个１＊１的卷积核处理，得到２个１＊１的特征图用于分类；利用４个１＊１??的卷积核处理，得到４个１＊１的特征图用于边界框回归；利用１０个１＊１的卷积核处理，??得到１０个１＊１的特征图用于人脸特征点定位。??Ｒ－Ｎｅｔ??Ｉ?卷积：２＊２全连接层卩?］??Ｉ?池化：Ｊ?Ｊ?Ｊ??ｉ—?ｕ?人脸分类器??｜口醫＿辱卜！－＿丨??输入尺寸：?４＊４＊４８?Ｕ?特征点定位?Ｉ??Ｉ?２４＊２４＊３?—?１０?Ｉ??Ｉ????图２．５?Ｒ－Ｎｅｔ网络结构??Ｆｉｇ．２．５?Ｒ－Ｎｅｔ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??Ｏ－Ｎｅｔ的网络结构如图２
本文编号：3464003
本文链接：https://www.wllwen.com/kejilunwen/qiche/3464003.html
