-
题名一种基于工业车辆驾驶员面部特征的疲劳检测融合方法
- 1
-
-
作者
钱立兵
徐进宝
徐宏力
刘济海
张欢
-
机构
安徽叉车集团有限责任公司
中国科学技术大学计算机科学与技术学院
安徽省工业车辆重点实验室
-
出处
《高技术通讯》
北大核心
2025年第4期409-418,共10页
-
基金
安徽省重点研究与开发计划(201904a05020035)
安徽省博士后科研项目(2024B804)
合肥市关键技术研发“揭榜挂帅”(2023SGJ017)资助项目。
-
文摘
为解决工业车辆在驾驶过程中出现疲劳驾驶问题,基于驾驶员面部特征提出一种卷积神经网络的多融合疲劳检测算法。通过红绿蓝(red,green,blue,RGB)或红外摄像头捕捉驾驶员面部区域,设计轻量级人脸识别和关键点特征模型,提取面部关键特征点;根据眼部关键点提取驾驶员的眼睛框进行睁闭眼二分类模型设计,统计闭眼频率;根据嘴部关键点设计纵横比信息,统计嘴部闭合、说话及打哈欠频率;根据面部关键特征及标准三维人脸模型,计算头部姿态欧拉角信息,由头部姿态角变化范围确定注意力集中情况。算法部署在国产嵌入式低成本ARM芯片控制器上,根据融合疲劳评估算法进行语音提醒、异常时报警图像存储等。实验结果表明,白天场景下各类疲劳驾驶检测准确率达到98.3%以上,夜晚工作场景下各类疲劳驾驶检测准确率达到88.5%以上,算法检测时延控制在100 ms左右,可满足工业车辆对驾驶员疲劳检测需求。
-
关键词
疲劳驾驶
深度学习
面部特征
欧拉角
算法部署
-
Keywords
fatigue driving
deep learning
facial feature
Euler angle
algorithm deployment
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
