基于深度学习的疲劳驾驶检测方法

作     者：黄新 沈英超 HUANG Xin;SHEN Yingchao

作者机构：桂林电子科技大学电子工程与自动化学院广西桂林541004 

出 版 物：《桂林电子科技大学学报》 (Journal of Guilin University of Electronic Technology)

年 卷 期：2020年第40卷第3期

页      面：201-206页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：广西自动检测技术与仪器重点实验室主任基金(YQ14105) 广西科学研究与技术开发计划(桂科攻11107001-40) 

主　　题：深度学习 疲劳驾驶检测 MTCNN PERCLOS算法 

摘      要：针对现有疲劳驾驶检测方法实时性差和准确率低的问题,提出一种基于深度学习的疲劳驾驶检测方法。通过深度学习模型MTCNN实现人脸检测;针对眼睛定位易受遮挡、姿势变化等因素影响的问题,通过眼睛精定位(FEL)模型精确提取眼睛区域,并通过OC-Net网络判定眼睛状态;基于PERCLOS算法和眨眼频率对驾驶员进行疲劳判定。实验结果表明,该方法的疲劳状态检测准确率为97.18%,同时满足实时性要求,且对复杂环境具有较高的鲁棒性。