文献类型：期刊文献

中文题名：基于深度学习的驾驶疲劳检测算法与应用

作者：郑伟成[1];李学伟[1];刘宏哲[1];代松银[1];

第一作者：郑伟成

机构：[1]北京联合大学北京市信息服务工程重点实验室;

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2019

中文期刊名：计算机工程

基金：国家自然科学基金(61871039、61802019、61906017);北京市属高校高水平教师队伍建设支持计划项目(IDHT20170511);北京市自然科学基金(4184088);北京联合大学领军人才项目(BPHR2019AZ01);北京市教委项目(KM201911417001,KM201711417005);国家科技支撑计划项目(015BAH55F03);智能驾驶大数据协同创新中心(CYXC1902);

语种：中文

中文关键词：疲劳驾驶检测;疲劳特征提取;PERCLOS;人脸检测;人脸关键点检测;头部姿态估计;

摘要：针对复杂的驾驶环境，为有效对驾驶人的疲劳状态发出预警，提出基于深度学习的驾驶疲劳检测算法。该算法分为四个步骤：首先，在人脸检测部分，对现有MTCNN模型采用ShuffleNet的shuffle-channel思想进行改进，以提高人脸检测的效率和精度；其次，人脸关键点部分，使用精度高、实时性好、模型小的PFLD深度模型检测人脸关键点，用以定位眼部、嘴部，以进行疲劳特征的提取；再次，根据人脸关键点和改进的DLT算法进行头部姿态估计；最后，在数据集YawDD上，基于多特征融合的策略，构建决策树实现鲁棒的驾驶疲劳检测分类模型。大量实验表明，提出的算法在检测精度和效率等方面都有较大的提高。