-
题名基于SVM的疲劳驾驶人脸图像特征检测算法
被引量：22
- 1
-
-
作者
刘梦佳
赵建国
-
机构
郑州大学机械与动力工程学院
-
出处
《半导体光电》
CAS
北大核心
2020年第2期278-282,共5页
-
文摘
针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。
-
关键词
疲劳驾驶
人脸图像检测
人脸特征点定位
眼睛纵横比
支持向量机
-
Keywords
fatigue driving
face images detection
face feature points location
EAR
SVM
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于SSD的多因素融合的驾驶疲劳检测研究
被引量：11
- 2
-
-
作者
吕秀丽
刘希凤
白永强
-
机构
东北石油大学物理与电子工程学院
-
出处
《电子测量技术》
北大核心
2022年第15期138-143,共6页
-
基金
黑龙江省自然科学基金(LH2019D006)项目资助。
-
文摘
为了降低因疲劳驾驶而导致的事故发生率,提出一种利用卷积神经网络与人脸特征点、疲劳判定指标相融合的方法,共同构建疲劳驾驶检测模型。首先利用SSD网络定位驾驶员的眼睛与嘴巴区域,VGG16网络学习这两个区域所包含的疲劳特征;同时再结合人脸68特征点、眼睛纵横比(EAR)和嘴巴纵横比(MAR)共同判定驾驶疲劳状态。最后,在相同测试集下分别计算SSD算法和Faster-RCNN算法的平均精度均值mAP;在YawDD数据集上应用此模型;并通过模拟驾车环境来验证此模型的可行性。实验结果表明,SSD算法要优于Faster-RCNN算法,并且此模型在YawDD数据集上的检测准确率约达97.2%,摄像头也能对驾驶员的状态进行实时检测。此模型对疲劳状态的检测十分有效,可在一定程度上降低因疲劳驾驶而导致的事故发生率。
-
关键词
SSD网络
疲劳驾驶检测
人脸68特征点
眼睛纵横比
嘴巴纵横比
-
Keywords
SSD network
fatigue driving detection
face 68 feature points
EAR
MAR
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习和面部多特征融合的驾驶员疲劳检测研究
被引量：4
- 3
-
-
作者
张闯
朱天军
李学民
-
机构
河北工程大学机械与装备工程学院
肇庆学院机械与汽车工程学院
清华大学苏州汽车研究院
-
出处
《计算机测量与控制》
2022年第12期42-50,共9页
-
基金
国家自然科学基金资助项目(51205105)
河北省高等学校科学技术研究项目(ZD2017213)
+3 种基金
河北省科技计划项目(17394501D)
广东省教育厅特色创新项目(2022KTSCX146)
广东省教育厅重点领域项目(2021ZDZX1061)
肇庆市社会与民生科技项目(2020SN004)。
-
文摘
驾驶员疲劳驾驶是造成交通事故的重要原因之一,因此提出了基于深度学习和面部多特征融合的驾驶员疲劳检测研究方法;首先采用多任务级联卷积神经网络MTCNN(multi-task convolutional neural network)结构进行面部检测和特征点定位,并利用Dlib工具包中的面部68个地标,提取驾驶员面部的特征参数;其次,基于眼睛纵横比(EAR),眼睛闭合百分比(PECLORS)和嘴巴高宽比(MAR)的值按不同的权值相加得到参数M,在一定时间内累加M>0.605的帧数判断驾驶员疲劳的程度;最后,试验结果表明:该方法能够有效地利用视频图像实时检测驾驶员疲劳状态,其准确率和灵敏度分别为93.1%和90.2%,对于保护驾驶员及车辆行驶安全具有重大意义。
-
关键词
疲劳检测
眼睛纵横比
眼睛闭合百分比
嘴巴高宽比
深度学习
-
Keywords
fatigue detection
EAR
PERCLOS
MAR
deep learning
-
分类号
U491.254
[交通运输工程—交通运输规划与管理]
-
-
题名基于计算机视觉的疲劳及注意力检测算法
被引量：2
- 4
-
-
作者
孙玥
杨国为
陈雪鑫
-
机构
青岛大学电子信息学院
南京审计大学信息工程学院
-
出处
《计算机与数字工程》
2021年第6期1195-1198,1239,共5页
-
基金
国家重点研发计划(编号:2017YFC080-4000)
国家自然科学基金面上项目(编号:61772277)
江苏省基础研究计划(编号:BK20171494)资助。
-
文摘
针对现有疲劳驾驶检测算法的准确率底、实用性差以及不能实时检测的问题,论文采用计算机视觉的方法首先利用Dlib提取眼部、嘴部、下巴周围的特征点的坐标,通过计算眼睛纵横比来实现瞌睡检测,并且类比眼睛纵横比提出一种用于哈欠检测的新方法—嘴部纵横比检测法,为了进一步判断驾驶员状态,论文进一步对驾驶员的注意力进行判断,一旦出现不安全行为,立马发出预警进行提醒,从而实现驾驶员疲劳及注意力检测。实验证明,该方法在疲劳驾驶检测的准确率、实时性等方面取得明显的性能提升。
-
关键词
眼睛纵横比
瞌睡检测
嘴部纵横比
哈欠检测
注意力检测
-
Keywords
eye aspect ration
sleep detection
mouth aspect ratio
yawn detection
attention testing
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于人脸识别技术的汽车防疲劳驾驶系统
被引量：5
- 5
-
-
作者
戴燕玲
-
机构
厦门软件职业技术学院
-
出处
《电子技术与软件工程》
2020年第12期119-120,共2页
-
基金
福建省教育厅中青年教师科研项目资助(项目编号:JZ180736)。
-
文摘
本文使用Dlib人脸识别库,进行驾驶员人脸的识别和眼睛的定位,通过检测眼睛纵横比(EAR)的变化及眼睛闭合的持续时间,来判定驾驶员的眼睛状态,利用Python、dlib等运行环境进行驾驶员疲劳判断,一旦检测到驾驶员处于疲劳状态时,系统即发出语音警示,提示驾驶员停车休息。同时,针对驾驶员低头、左顾右盼等分心行为,系统将实时检测驾驶员头部的运动状态,并及时予以提醒,从而进一步防止各种交通事故的发生。实验结果表明,系统对驾驶员裸眼疲劳状态的识别率为94.7%,驾驶员戴眼镜疲劳状态的识别率为86.7%,平均识别率为91.2%,疲劳判断的响应时间为100ms,驾驶员分心状态的识别率为90%,响应时间为100ms,具有较好的应用价值。
-
关键词
HOG
SVM
面部标志算法
眼睛纵横比(EAR)
PYTHON
dlib
-
分类号
U463.6
[机械工程—车辆工程]
TP391.41
[交通运输工程—载运工具运用工程]
-
