基于面部特征流的疲劳驾驶检测的研究与实现

作     者：雒建梅 

作者单位：宁夏大学 

学位级别：硕士

导师姓名：毕利;姬存东

授予年度：2022年

学科分类：08[工学] 080203[工学-机械设计及理论] 080204[工学-车辆工程] 0802[工学-机械工程] 

主      题：MTCNN 疲劳检测 Android Ghost ResNet-50 

摘      要：在我国,道路交通事故时有发生,其中一个重要原因就是疲劳驾驶。所以,准确地进行疲劳检测是非常有必要的。在现有的疲劳检测方法中,利用基于生理参数和车辆运动特征进行的检测普遍存在成本高、实时性差和抗干扰能力低等问题。因此,本文采用一种基于面部特征的方法研究疲劳检测问题,该方法将疲劳检测流程分为人脸检测、疲劳特征提取与识别、疲劳状态判别三个步骤,具体工作如下:首先,优化了MTCNN人脸检测算法。对图像预处理之后将MTCNN模型中消耗时间占比最大的图像金字塔进行参数动态调整,并使用ELU激活函数代替了原来的Prelu。实验结果表明,该方法有效提高了人脸特征定位的准确率和实时性,从而为后文的疲劳状态检测奠定了坚实的基础。然后,提取并识别出驾驶员脸部特征中最能体现出疲劳程度的眼睛和嘴巴。先根据三庭五眼的面部比例关系提取眼部与嘴部区域,再使用轻量化ResNet-50网络对提取到的区域进行识别。根据特征图冗余的特点,引入Ghost卷积运算改进ResNet-50的传统卷积,进而提高特征提取的效率。实验结果表明,该方法在确保精度的同时,参数量也大大减少,有效提高了推理速度。最后,设计并实现疲劳判定系统。利用PERCLOS准则以及PMOT指标对眼嘴多特征进行综合检测,然后将本文提出的方法集成于系统中,设计了基于Android的疲劳驾驶检测app,更利于疲劳驾驶检测的普及。