【摘要】：基于計(jì)算機(jī)視覺的疲勞檢測(cè)具有低侵入性、低成本的優(yōu)點(diǎn),然而光照變化、面部表情、復(fù)雜背景等仍然對(duì)檢測(cè)率造成很大的影響。以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)以其較強(qiáng)的特征提取能力和魯棒性在模式識(shí)別領(lǐng)域取得了成功的應(yīng)用。本文提出了一種基于級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)(CNN)結(jié)構(gòu)的疲勞檢測(cè)算法。首先訓(xùn)練第1級(jí)網(wǎng)絡(luò)實(shí)現(xiàn)人眼與非人眼的分類,使網(wǎng)絡(luò)充分學(xué)習(xí)人眼特征,當(dāng)輸入目標(biāo)圖像時(shí),人眼區(qū)域能快速?gòu)牡谝患?jí)網(wǎng)絡(luò)特征圖中分離出來;然后將人眼圖像傳送給第2級(jí)網(wǎng)絡(luò)檢測(cè)眼部特征點(diǎn)位置,計(jì)算眼睛張開度并以此判斷測(cè)試者眼睛狀態(tài),構(gòu)造疲勞檢測(cè)模型;最后根據(jù)連續(xù)多幀的眼睛狀態(tài)序列,判斷測(cè)試者是否處于疲勞狀態(tài)。在檢測(cè)誤差為5%時(shí),眼部4個(gè)特征點(diǎn)的平均檢測(cè)正確率為93.10%,單點(diǎn)檢測(cè)正確率最高可達(dá)97.14%。測(cè)試結(jié)果表明,在本文提出方法下眼睛的清醒和疲勞狀態(tài)有明顯的不同,證明本文提出的方法有效可行,具有較好的應(yīng)用前景。
[Abstract]:Fatigue detection based on computer vision has the advantages of low invasion and low cost. However, illumination changes, facial expressions and complex background still have a great impact on the detection rate. The deep learning represented by convolution neural network has been successfully applied in pattern recognition with its strong feature extraction ability and robustness. This paper presents a fatigue detection algorithm based on cascaded convolution neural network (CNN) structure. First, the first level network is trained to realize the classification of human eye and non-human eye, so that the network can fully learn the human eye feature. When the target image is inputted, the human eye region can be quickly separated from the first level network feature map. Then the human eye image is transmitted to the second level network to detect the position of eye feature points, and the eye opening degree is calculated to judge the state of the testers' eyes, and a fatigue detection model is constructed. Finally, according to the sequence of eye states, the testers are judged whether they are tired or not. When the detection error is 5, the average detection accuracy of the four characteristic points of the eye is 93.1010 and the highest accuracy of single point detection is 97.14. The test results show that there are obvious differences between the awake and fatigue states of the eyes under the proposed method, which proves that the proposed method is effective and feasible, and has a good prospect of application.
【作者單位】： 南開大學(xué)現(xiàn)代光學(xué)研究所;公安海警學(xué)院電子技術(shù)系;
【基金】：國(guó)家自然科學(xué)基金(61401105) 教育部重點(diǎn)(DIA150308) 浙江省教育教學(xué)改革(JG2015207)資助項(xiàng)目
【分類號(hào)】：TP183;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳勇;黃琦;劉霞;張昌華;;一種全天候駕駛員疲勞檢測(cè)方法研究[J];儀器儀表學(xué)報(bào);2009年03期

2 薄華;王蕾;;基于人眼識(shí)別的駕駛員疲勞檢測(cè)[J];電腦知識(shí)與技術(shù);2011年25期

3 馬馳;;人眼識(shí)別在疲勞檢測(cè)中的應(yīng)用[J];科技傳播;2010年22期

4 王威;胡永忠;;一種用于駕駛員疲勞檢測(cè)的人眼狀態(tài)判別方法[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2012年13期

5 鄔敏杰;穆平安;張彩艷;;基于眼睛和嘴巴狀態(tài)的駕駛員疲勞檢測(cè)算法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年03期

6 劉金金;林慶;;基于多參數(shù)的駕駛員疲勞檢測(cè)系統(tǒng)[J];無線通信技術(shù);2014年02期

7 陸二慶;楊偉亮;;駕駛員疲勞檢測(cè)報(bào)警系統(tǒng)的研究設(shè)計(jì)[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2012年05期

8 蘇曉娜;李曉明;;人臉檢測(cè)及眼睛定位在駕駛員疲勞檢測(cè)中的應(yīng)用[J];科學(xué)技術(shù)與工程;2012年17期

9 楊海燕;蔣新華;王雷;;一種基于人臉序列模式的機(jī)車駕駛員疲勞檢測(cè)方法[J];鐵道學(xué)報(bào);2012年05期

10 朱振華;吳曉娟;王磊;亓磊;;基于眨眼持續(xù)時(shí)間的司機(jī)疲勞檢測(cè)方法[J];計(jì)算機(jī)工程;2008年05期

相關(guān)會(huì)議論文 前1條

1 胡慶新;張淑鳳;方躍;;弱光環(huán)境下駕駛員的人臉檢測(cè)和眼睛追蹤[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

相關(guān)碩士學(xué)位論文 前10條

1 王豪榮;基于人臉特征融合的疲勞檢測(cè)方法研究[D];長(zhǎng)安大學(xué);2015年

2 王兆偉;基于眼態(tài)識(shí)別的疲勞駕駛檢測(cè)技術(shù)研究[D];長(zhǎng)安大學(xué);2015年

3 蔣文博;基于計(jì)算機(jī)視覺的疲勞駕駛檢測(cè)技術(shù)研究[D];北京化工大學(xué);2015年

4 張譯心;基于面部特征的駕駛員疲勞算法應(yīng)用研究[D];吉林農(nóng)業(yè)大學(xué);2015年

5 韓吉祥;基于SOPC的駕駛員疲勞檢測(cè)系統(tǒng)設(shè)計(jì)[D];黑龍江大學(xué);2015年

6 王雷;基于人臉檢測(cè)的疲勞駕駛分析[D];合肥工業(yè)大學(xué);2014年

7 陳中勝;基于紅外視頻圖像眼睛信息特征的疲勞檢測(cè)[D];廣西科技大學(xué);2015年

8 趙曉琳;基于面部信息的疲勞駕駛檢測(cè)方法研究[D];吉林大學(xué);2016年

9 王帥;基于圖像處理的哨兵眼部疲勞檢測(cè)方法研究[D];云南大學(xué);2016年

10 彭發(fā)超;基于視覺的駕駛員疲勞檢測(cè)算法研究[D];湖南大學(xué);2016年

，

本文編號(hào)：2322387