1 天津市光电检测技术与系统重点实验室, 天津 300387
2 天津工业大学 电子与信息工程学院, 天津 300387
3 天津工业大学 计算机科学与软件学院, 天津 300387
疲劳驾驶是导致车祸的重要诱因, 严重危害道路交通安全, 而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题, 提出了基于深度学习的驾驶员疲劳检测算法。首先, 使用850 nm红外光源补光, 在复杂光照和遮挡形态下采集驾驶员的面部图像; 其次, 利用红外图像中的多种特征, 通过级联CNN确定人脸边框和特征点位置, 提取眼睛区域并识别眼睛的睁闭状态; 最后, 将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络, 检测驾驶员疲劳状态。实验结果表明: 该疲劳检测算法的准确率可达94.48%, 平均检测时间为65.64 ms。
疲劳检测 红外图像 深度学习 fatigue detection infrared image deep learning CNN CNN LSTM LSTM 红外与激光工程
2018, 47(2): 0203009