基于眼睛状态识别的疲劳驾驶检测

作     者：徐莲 任小洪 陈闰雪 XU Lian;REN Xiao-hong;CHEN Run-xue

作者机构：四川轻化工大学自动化与信息工程学院宜宾644000 人工智能四川省重点实验室自贡643000 四川轻化工大学计算机学院宜宾644000 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2020年第20卷第20期

页      面：8292-8299页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：四川省教育厅基金(17ZB0302) 

主　　题：疲劳驾驶检测 迁移学习 眼睛筛选机制 多任务级联卷积神经网络 眼部状态识别 

摘      要：由于光照变化、头部姿态等因素的影响,现有的疲劳驾驶检测精度仍有待提高。针对该问题,提出一种基于迁移学习的眼睛状态识别网络(Gabor and LBP-convolutional neural networks,GL-CNN),该网络是由Gabor特征和LBP特征通过迁移学习加入卷积神经网络(convolutional neural networks, CNN)调制组成的。首先用多任务级联卷积神经网络(multi-task CNN,MTCNN)检测驾驶员的人脸和双眼,然后经过眼睛筛选机制获取待检测的单只眼睛,通过GL-CNN识别眼睛的睁闭状态,最后根据PERCLOSE准则判断驾驶员的疲劳状态。实验结果表明,该算法具有较高的准确率,可以检测多种姿态眼睛的状态,同时满足实时性的要求。