-
题名基于卷积神经网络的疲劳驾驶识别
被引量：1
- 1
-
-
作者
王晶晶
李艳军
曹愈远
吕少岚
-
机构
南京航空航天大学
-
出处
《航空计算技术》
2022年第5期60-63,68,共5页
-
基金
航空科学基金项目资助(20200033052001)。
-
文摘
机组人员疲劳驾驶是引发航空事故的原因之一。现有的研究缺少将脸部信息融合的疲劳表情识别,对疲劳表情识别可有效提高疲劳驾驶识别准确率。根据卷积神经网络的基本结构,将卷积核大小为1×1的卷积层加在输入层之后,让网络深度增加、提高特征学习能力、增加输入数据的非线性表示,同时对计算量基本无负面影响,采用线性修正函数ReLU作为激励函数解决模型在训练中梯度消失问题,提出了一种改进的卷积神经网络模型。基于LFW数据集筛选出正常、说话、疲劳3种状态表情,对其进行预处理建立疲劳表情数据集。训练完成的CNN模型对自建疲劳表情数据集实验识别准确率为88.3%,平均识别时间为20ms,与传统疲劳驾驶识别方法相比具有准确率高和实时高效的优点。与未改进的卷积神经网络相比,识别准确率提高了5.02%。
-
关键词
深度学习
卷积神经网络
疲劳表情数据集
疲劳表情识别
-
Keywords
deep learning
convolutional neural network
fatigue expression dataset
fatigue expression recognition
-
分类号
V328.3
[航空宇航科学与技术—人机与环境工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
