疲劳驾驶检测具有重要的警示作用,对检测方法的准确性和实时性均有较高要求.为此,提出了一种基于卷积神经网络的疲劳驾驶检测方法.首先,针对车内特定使用环境,对MTCNN算法进行了加速优化,在保证高准确率的同时检测速度提升高达27倍.其次,在实现人脸特征点精确定位的基础上,提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP(extracting images based on rare feature points)方法.再次,利用构建的眼、嘴数据集EMSD(eye and mouth state date sets)完成了眼、嘴部状态分类模型的训练.最终,利用训练得到的模型,结合相应的判定算法,实现了疲劳驾驶的检测判定.实验结果表明,该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96％以上,且每秒可完成约50帧图像的检测,具备良好的实时性.
展开▼
