疲勞駕駛是造成道路交通事故的主要因素之一.文中提出一個基于生成對抗網(wǎng)絡(luò)的弱光增強算法,對駕駛員圖像時行預(yù)處理,再采用一個改進的多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)檢測面部,定位關(guān)鍵點,最后通過深度學(xué)習(xí)進行面部與特征位置的預(yù)測,進而做出多指標(biāo)的疲勞駕駛判斷. 

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引 言
1 基于生成對抗網(wǎng)絡(luò)的弱光增強
    1.1 EnhenceGAN網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
    1.2 實驗及結(jié)果
2 基于改進的多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的面部檢測
    2.1 基本網(wǎng)絡(luò)架構(gòu)改進
    2.2 損失函數(shù)
    2.3 在線困難樣本挖掘
    2.4 實驗結(jié)果與分析
3 基于FSR-Net的多任務(wù)疲勞狀態(tài)檢測
    3.1 VGG網(wǎng)絡(luò)
    3.2 改進的多任務(wù)疲勞狀態(tài)檢測網(wǎng)絡(luò)FSR-Net
    3.3 多指標(biāo)整合的疲勞駕駛判斷
        3.3.1 眼部疲勞狀態(tài)判斷
        3.3.2 嘴部疲勞狀態(tài)判斷
    3.4 FSR-Net實驗及結(jié)果
4 結(jié) 束 語


【參考文獻】：
期刊論文
[1]基于改進的深度卷積神經(jīng)網(wǎng)絡(luò)的人臉疲勞檢測[J]. 馮文文,曹銀杰,李曉琳,胡衛(wèi)生.  科學(xué)技術(shù)與工程. 2020(14)
[2]基于深度學(xué)習(xí)的駕駛?cè)似诒O(jiān)測算法研究[J]. 游峰,梁昭德.  武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版). 2018(03)
[3]基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的疲勞檢測[J]. 趙雪鵬,孟春寧,馮明奎,常勝江.  光電子·激光. 2017(05)



本文編號：3654484