论文部分内容阅读
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。