原文传递
基于深度学习的疲劳检测分级预警系统研究
| 论文题名： | 基于深度学习的疲劳检测分级预警系统研究 |
| 关键词： | 卷积神经网络;疲劳驾驶;人脸检测;状态识别 |
| 摘要： | 汽车的数量不断增长，交通安全问题日渐突出，其中，疲劳驾驶会导致人体的机能下降，严重危害道路安全，因此，基于现代信息和人工智能技术，研发疲劳检测分级预警系统具有重要学术价值和应用前景。本文针对疲劳驾驶典型特征，基于卷积神经网络解决疲劳驾驶的状态识别和智能预警问题，主要研究内容如下： 首先，为了解决复杂场景下人脸检测率不高的问题，针对人脸数据库中的样本，采用光照补偿、滤波、增强处理、伽马矫正、对数变换等技术对图像进行预处理，提高对于图像有用信息的可检测性，避免图像中的无用信息影响干扰检测结果。 其次，本文基于MTCNN（MultitaskCascadedConvolutionalNetworks，MTCNN）网络结构，做一系列改进，完成了人脸检测与定位任务，解决了目前针对驾驶员受姿态变化、复杂光照和遮挡等因素对检测的影响；为了解决人脸检测的实时性较差的问题，本文引入轻量级网络结构MobileNet提高检测速度，又将池化层改为全卷积操作来提升网络检测性能，对MTCNN结构进行重新搭建。基于上述方法对选定的4000张CelebA人脸数据集图片进行预训练，实验结果表明，改进后的网络Miou指标最终稳定在95.2%，相较于原网络提升了2%左右，Loss最终收敛值比原算法降低，稳定在0.18%，改进后的Mobile-MTCNN检测算法在检测精度上明显优于原网络。 最后，为了解决单一疲劳指标难以准确评估驾驶员疲劳状态的问题，本文利用级联回归树人脸关键点检测算法，对驾驶员人脸进行关键点定位，提出融合眨眼频率、闭眼次数、打哈欠频率、PERCLOS值以及头部姿态估计五项疲劳判定指标方法，对实时采集的指标数值进行归一化处理，将疲劳状态分为清醒、临界、轻度疲劳、中度疲劳以及重度疲劳五个状态。利用wxFormBuilder开发工具搭建可视化监测预警平台，对驾驶员状态进行实时监测，实现驾驶员疲劳驾驶分级预警。 |
| 作者： | 白浩 |
| 专业： | 控制工程 |
| 导师： | 王红君;宋振 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
