原文传递
基于DCNN与HMM融合的疲劳驾驶检测方法研究
| 题名： | 基于DCNN与HMM融合的疲劳驾驶检测方法研究 |
| 作者： | 方斌;王岩;杨降勇;胡鹏 |
| 作者单位： | 湖南警察学院交通管理系 |
| 关键词： | 疲劳驾驶检测;人工标记;特征点检测;深度卷积神经网络;隐马尔可夫模型 |
| 摘要： | 首先提出一种深度卷积神经网络(DCNN)与隐马尔可夫模型(HMM)融合的疲劳驾驶检测方法，针对眼睛和嘴巴状态单一特征，构建3层DCNN来识别眼睛和嘴巴闭合状态；再针对训练样本人工标记困难的问题，提出结合人工标记、采用Dlib特征点检测和疲劳参数加权获取驾驶员疲劳等级的方法进行标记；最后，针对疲劳驾驶是一个从状态良好到重度疲劳的时序过程，构建基于DCNN与HMM融合的疲劳驾驶状态判断方法。结果表明，本方法能有效减少因状态检测和突变造成的误差，准确率较传统参数加权方法提高约10%，单帧检测时间约为150ms。因此，该检测方法既提高了系统鲁棒性，也满足实时需求。 |
| 期刊名称： | 湖南交通科技 |
| 出版日期： | 202201 |
| 出版年： | 2022 |
| 期： | 01 |
| 页码： | 138-143,161 |
检索历史
应用推荐
