基于多形态红外特征与深度学习的实时驾驶员疲劳检测

被引：9

作者：

耿磊 ^{[1
,2
]}

梁晓昱 ^{[1
,2
]}

肖志涛 ^{[1
,2
]}

李月龙 ^{[1
,3
]}

机构：

[1] 天津市光电检测技术与系统重点实验室

[2] 天津工业大学电子与信息工程学院

[3] 天津工业大学计算机科学与软件学院

来源：

红外与激光工程 | 2018年 / 47卷 / 02期

关键词：

疲劳检测; 红外图像; 深度学习; CNN; LSTM;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习]; TP391.41 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080203 ;

摘要：

疲劳驾驶是导致车祸的重要诱因,严重危害道路交通安全,而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题,提出了基于深度学习的驾驶员疲劳检测算法。首先,使用850nm红外光源补光,在复杂光照和遮挡形态下采集驾驶员的面部图像;其次,利用红外图像中的多种特征,通过级联CNN确定人脸边框和特征点位置,提取眼睛区域并识别眼睛的睁闭状态;最后,将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络,检测驾驶员疲劳状态。实验结果表明:该疲劳检测算法的准确率可达94.48%,平均检测时间为65.64ms。

引用

页码：69 / 77

页数：9

共 11 条

[1] 基于高斯眼白模型的疲劳驾驶检测 [J].

旷文腾 ;

毛宽诚 ;

黄家才 ;

李海彬 .

中国图象图形学报, 2016, 21 (11) :1515-1522

[2] 一种具有抗静电反红外诱导滤光片的设计与制备 [J].

王济洲 ;

李宏 ;

熊玉卿 ;

董茂进 ;

张玲 ;

李晨 .

红外与激光工程, 2015, (10) :3005-3009

[3] 单摄像机下基于眼动分析的行为识别 [J].

孟春宁 ;

白晋军 ;

张太宁 ;

刘润蓓 ;

常胜江 .

物理学报, 2013, 62 (17) :229-236

[4] 基于Adaboost方法的车载嵌入式疲劳驾驶预警系统 [J].

程如中 ;

赵勇 ;

戴勇 ;

陈伟 ;

隋博 ;

王浪 ;

王新安 .

北京大学学报(自然科学版), 2012, 48 (05) :719-726

[5] A novel method for splitting clumps of convex objects incorporating image intensity and using rectangular window-based concavity point-pair search [J].

Farhan, Muhammad ;

Yli-Harja, Olli ;

Niemisto, Antti .

PATTERN RECOGNITION, 2013, 46 (03) :741-751

[6] Long short-term memory [J].

Hochreiter, S ;

Schmidhuber, J .

NEURAL COMPUTATION, 1997, 9 (08) :1735-1780

[7] Backpropagation Applied to Handwritten Zip Code Recognition [J].

LeCun, Y. ;

Boser, B. ;

Denker, J. S. ;

Henderson, D. ;

Howard, R. E. ;

Hubbard, W. ;

Jackel, L. D. .

NEURAL COMPUTATION, 1989, 1 (04) :541-551

[8]

Research on driver fatigue detection based on eye state .2 Chen Mingchu. Chongqing University . 2012

[9]

You Only Look Once:Unified,RealTime Object Detection .2 Redmon J,Divvala S K,Girshick R,et al. computer vision and pattern recognition . 2015

[10]

Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation .2 Girshick R,Donahue J,Darrell T,et al. Computer Vision and Pattern Recognition . 2014

← 1 2 →