基于面部特征的疲劳驾驶检测方法研究

发布时间：2022-07-02 13:57

　　疲劳驾驶是造成道路交通事故的主要因素之一.文中提出一个基于生成对抗网络的弱光增强算法,对驾驶员图像时行预处理,再采用一个改进的多任务级联卷积神经网络检测面部,定位关键点,最后通过深度学习进行面部与特征位置的预测,进而做出多指标的疲劳驾驶判断. 

【文章页数】：7 页

【文章目录】：
0 引 言
1 基于生成对抗网络的弱光增强
    1.1 EnhenceGAN网络结构设计
    1.2 实验及结果
2 基于改进的多任务级联卷积神经网络的面部检测
    2.1 基本网络架构改进
    2.2 损失函数
    2.3 在线困难样本挖掘
    2.4 实验结果与分析
3 基于FSR-Net的多任务疲劳状态检测
    3.1 VGG网络
    3.2 改进的多任务疲劳状态检测网络FSR-Net
    3.3 多指标整合的疲劳驾驶判断
        3.3.1 眼部疲劳状态判断
        3.3.2 嘴部疲劳状态判断
    3.4 FSR-Net实验及结果
4 结 束 语


【参考文献】：
期刊论文
[1]基于改进的深度卷积神经网络的人脸疲劳检测[J]. 冯文文,曹银杰,李晓琳,胡卫生.  科学技术与工程. 2020(14)
[2]基于深度学习的驾驶人疲劳监测算法研究[J]. 游峰,梁昭德.  武汉理工大学学报(交通科学与工程版). 2018(03)
[3]基于级联卷积神经网络的疲劳检测[J]. 赵雪鹏,孟春宁,冯明奎,常胜江.  光电子·激光. 2017(05)



本文编号：3654484