| 基于ResNet-50与Bi-LSTM的驾驶员疲劳检测算法研究 |
| |
| 引用本文： | 张开生关凯凯李昊晨彭朋.基于ResNet-50与Bi-LSTM的驾驶员疲劳检测算法研究[J].实验室研究与探索,2023(4):153-158. |
| |
| 作者姓名： | 张开生关凯凯李昊晨彭朋 |
| |
| 作者单位： | 1.陕西科技大学电气与控制工程学院710021; |
| |
| 摘 要： | 疲劳驾驶是车祸的主要原因之一。针对现有面部疲劳检测模型存在对车内光照与面部遮挡敏感，系统疲劳检测准确低、泛化力弱，提出一种驾驶员疲劳检测算法，旨在对驾驶员面部多特征进行疲劳检测，提升网络泛化性与准确度。通过MTCNN定位人脸和人脸关键点，剪裁具有面部疲劳特征的图像，输入ResNet-50网络进行空间特征提取人脸局部疲劳水平，将疲劳水平串联输入Bi-LSTM网络进行时间特征提取，通过自适应特征融合算法对时间特征进行特征融合，通过分类器对整个视频进行疲劳分类。结果表明，该算法在YawDD疲劳检测准确率91.38%,在NTHU-DDD准确率达到89.36%;与主流的疲劳检测算法相比较，该方法准确度更高泛化能力更强。
|
| 关 键 词： | 疲劳检测 卷积神经网络 算法研究 自适应特征融合 |
| 本文献已被 维普 等数据库收录！ |
|
