检索结果-南通市图书馆

基于rPPG的在线学习者心率估计及其疲劳检测应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于rPPG的在线学习者心率估计及其疲劳检测应用

作者：张鑫宇华中师范大学

学位级别：硕士

相比传统的面对面教学,在线教育具有能够打破时空限制的优势,但是这种学习方式也暴露出教与学交互性差、学生自制力不足导致学习效率低下等问题。随着生理信号测量技术的发展,学习者生理信号的采集与分析已经成为学习者状态分析的重要途... 详细信息

相比传统的面对面教学,在线教育具有能够打破时空限制的优势,但是这种学习方式也暴露出教与学交互性差、学生自制力不足导致学习效率低下等问题。随着生理信号测量技术的发展,学习者生理信号的采集与分析已经成为学习者状态分析的重要途径,对学习者学习过程中的心电、脑电、呼吸、皮电等生理数据进行采集和分析,可以了解并追踪学习者的“生理-情感-认知”状态,从而针对性地对学习者进行适应性干预。本研究采用远程光电体积描记技术(remote photoplethysmography,rPPG),旨在解决远程教育场景中在线学习者的疲劳状态识别问题。本研究借助廉价摄像头设备(如:笔记本自带摄像头等)采集学习者的面部视频,描记出面部皮肤中血管容积在心动周期内的变化信息,并在此基础上,借助自适应多级滤波得到较为干净的心率波形,进而估计学习者实时心率并对其疲劳状态进行监测。本研究主要包括三部分内容:(1)提出基于rPPG的心率检测系统的算法框架。系统包括视频初始化、rPPG波形检测、结果可视化三部分。其中,rPPG波形检测主要包含三个关键步骤:第一步,读取视频帧,通过Viola-Jones人脸检测器和KLT算法追踪人脸;第二步,利用YCbCr皮肤检测和CIE L*U*V*色彩空间平均提取rPPG信号;第三步,通过预处理、基于小波和峰谷联合寻峰的自适应多级滤波处理rPPG信号,最终可以得到干净的rPPG波形,进而估计心率值。(2)在公开数据集上进行实验验证基于rPPG检测心率的系统性能。使用本算法在MAHNOB-HCI数据库上进行心率估计的平均绝对误差为6.41,标准差为5.48。在该数据集上,采用控制变量法开展一系列对比实验,纵向比较发现,信号提取方式和心率估计方式对最终的心率估计值准确度有较大影响,ROI的选取对rPPG信号质量影响相对较小。(3)结合远程教育场景和疲劳检测算法,自建数据集进行了基于rPPG的心率估计和学习者疲劳状态检测实验。采集了12名被试的24个10分钟的在线学习者面部视频,并通过被试填写的KSS问卷标记视频的疲劳状态,在提取rPPG时每段视频切割成了 20个30秒的波形,共480组波形数据经过特征提取、特征选择,最终经过随机森林分类的十折交叉验证准确率为0.756,AUC为0.759。本研究提出的心率检测算法框架可以较为准确的估计学习者心率,在此基础上结合疲劳检测算法能够识别学习者的疲劳状态,为在线学习情境下的无扰学习状态检测提供一定的技术支撑。

关键词：在线学习生理特征分析远程心率测量疲劳检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于头动与眼电信号的疲劳检测研究

计算机应用与软件 2022年第2期39卷 81-87页

作者：管凯捷姚康任谊文张熙付威威中国科学技术大学安徽合肥230026 中国科学院苏州生物医学工程技术研究所江苏苏州215163 中国人民解放军总医院第二医学中心神经内科北京100000

针对疲劳识别率有待提高和现行疲劳检测设备不便携带的问题,提出一种以便携式眼镜为载体结合处理头动与眼电信号的疲劳检测方法。利用便携式眼镜采集头动与眼电信号并通过蓝牙将数据传输到手机终端。采用融合卡尔曼滤波算法处理头动信... 详细信息

针对疲劳识别率有待提高和现行疲劳检测设备不便携带的问题,提出一种以便携式眼镜为载体结合处理头动与眼电信号的疲劳检测方法。利用便携式眼镜采集头动与眼电信号并通过蓝牙将数据传输到手机终端。采用融合卡尔曼滤波算法处理头动信号并提取点头频率特征,采用Perclos算法P80原理和分段平均功率比值法处理眼电信号得到眨眼频率和低高频功率比值特征。根据主成分分析法(PCA)进行特征融合,得到疲劳特征值,从而判定疲劳程度,并结合Pearson法分析与通过脑电信号检测疲劳程度结果的相关性。实验结果表明,该方法的疲劳检测识别率达到了90.6%且与脑电检测疲劳结果相关性达到了0.82,具有很好的准确性、有效性且检测设备便于携带,具有很好的实用价值。

关键词：疲劳检测头动信号眼电信号特征融合

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于人脸状态的疲劳检测方法研究

基于人脸状态的疲劳检测方法研究

作者：王莉茹西藏大学

学位级别：硕士

在现代社会,汽车作为交通运输产业的重要部分,极大地方便了大家的生活,但方便的同时其带来的交通事故是不能忽略的。造成事故发生的原因大多还是来自疲劳驾驶,所以在现阶段,实时准确判断出疲劳状态并预警很重要。本文基于人脸状态下构... 详细信息

在现代社会,汽车作为交通运输产业的重要部分,极大地方便了大家的生活,但方便的同时其带来的交通事故是不能忽略的。造成事故发生的原因大多还是来自疲劳驾驶,所以在现阶段,实时准确判断出疲劳状态并预警很重要。本文基于人脸状态下构建轻量级网络来进行疲劳检测,具有一定的社会意义。当前在疲劳驾驶检测中的问题主要有两个:模型检测的精确度不高;进行检测的模型参数量大、算力的损耗高,难以落地部署。所以模型的设计需要在保证准确率的基础上尽可能轻量化,本文在这个思路的基础上,进行如下工作:(1)数据集的选择与预处理。本文在人脸检测阶段使用公开数据集widerface,在疲劳特征状态检测阶段使用图片标注工具构建自建数据集,鉴于标注数据数量有限,为进一步丰富扩充构建的数据集,本文使用Mosaic来进行数据增强处理,以此来达到数据集扩充的效果,同时提高模型的泛化性能。(2)本文提出了Y-GG网络模型来对人脸进行检测。模型的设计思路:对人脸进行检测的过程中,YOLOv5模型对小尺寸的目标检测可能出现漏检的问题,所以本文在原网络中的检测头上增加了一个更小的检测头提升算法的多尺度检测性,通过加入高分辨率的特征图,使信息更加丰富,达到了检测更小的目标的效果;为了减少模型的参数量使网络轻量化便于落地部署,本文使用Ghost Conv来代替Conv,使用很少的参数生成更多的特征图,在backbone部分使用C3Ghost来替换C3结构,提升了检测的速度;针对噪声和背景等因素对检测的影响,本文在骨干网络中的C3中加入了CBAM(Convolutional Block Attention Module),通过两个独立的模块在通道和空间上建立注意力机制,对特征图进行进一步更新,无视无关的信息,集中关注图像中的重要区域,使得模型抗干扰能力和识别精度有所提升;最后采用了新的损失函数Sio U,由4个Cost函数组成的,Sio U损失函数加入了方向性,使得训练更快收敛。实验结果显示,改进后的模型参数量较原来相比降低了29.8%,m AP(Mean Average Precision)提升了0.4%。(3)本文提出Y-GGA网络模型在自建数据集上进行疲劳特征的状态测试。为了增强信息的交互,缓解特征信息不足的问题,本文在之前的Y-GG模型的基础上引入了GAM(Global Attention Mechanism)注意力机制,通过扩展多维度信息的交互作用提升主干网络的特征提取能力。实验结果显示,Y-GGA模型与原模型相比m AP上升0.6%,参数量和计算量都有所减少。总的来说,本文实现了在保证m AP不下降的基础上使模型轻量化,能够及时检测到疲劳特征异常并做出预警。

关键词：疲劳检测轻量化小检测头 YOLOv5

基于手环和视频的船舶值班驾驶员疲劳检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于手环和视频的船舶值班驾驶员疲劳检测研究

作者：岳敬文大连海事大学

学位级别：硕士

疲劳会导致船舶值班驾驶员警觉性降低、工作能力下降,是船舶搁浅、碰撞、触礁等事故的重大诱因。为了避免或减少因船舶值班驾驶员疲劳而导致的海上事故,提高船舶安全航行能力,本文基于手环和视频数据,提出了一种多特征融合的疲劳检测方... 详细信息

疲劳会导致船舶值班驾驶员警觉性降低、工作能力下降,是船舶搁浅、碰撞、触礁等事故的重大诱因。为了避免或减少因船舶值班驾驶员疲劳而导致的海上事故,提高船舶安全航行能力,本文基于手环和视频数据,提出了一种多特征融合的疲劳检测方法,并开发了一种船舶值班驾驶员疲劳检测原型系统。该系统检测疲劳具有一定的准确性和鲁棒性,在船上具备潜在应用价值。本文的主要工作如下:1.针对船舶值班驾驶员疲劳检测中生理数据采集难、侵入性强的问题,提出了集智能手环数据采集,数据特征提取和基于逻辑回归的疲劳检测方法。利用智能手环采集船舶值班驾驶员的心率和三轴加速度等数据,经过高斯卷积和数据转换等数据处理方法对原始数据进行平滑和去噪处理,通过计算固定时间段内的方差或标准差提取数据特征。基于混合心率和三轴加速度的特征数据集,综合比较四种机器学习方法的训练验证结果,采用逻辑回归方法,处理时间最短且状态分类效果指标AUC(Area Under Curve)较好为0.858,能够很好的分类清醒和疲劳状态。2.为了弥补仅利用智能手环检测疲劳的不足,基于深度学习方法识别视频中眼睛和嘴巴状态,结合疲劳状态判定方法检测船舶值班驾驶员疲劳。首先在开源的多场景人员眼睛和嘴巴状态数据集的基础上,通过采集和标注航海模拟器以及长江叁号人员操作的视频数据,建立扩充数据集。然后在MMDetection平台利用Faster RCNN(Region Proposal Convolution Neural Network)算法进行数据集训练和检测。与MTCNN(Multi-task CNN)+CNN,YOLOv5方法对比,本文采用的方法识别眼睛和嘴巴状态的平均精度更高可达0.885。最后结合PERCLOS(Percentage of Eyelid Closure over Time)准则和闭眼、打哈欠单次持续时间综合判定船舶值班驾驶员是否疲劳。经测试,本文的方法能够较好的实现船舶驾驶台复杂环境下的实时疲劳检测,在模拟器环境测试疲劳检测精确率为90.91%,召回率为94.34%。3.面向船舶值班驾驶员疲劳检测的实用性,融合基于智能手环数据和视频的疲劳检测方法,设计加权判定机制,建立鲁棒的多特征输入的疲劳检测系统。多特征融合方法的权值增益通过各自的疲劳检测准确率计算,系统控制单元根据特征输入的情况自动调整其计算方法,保证了多特征或单特征输入时系统疲劳判定的鲁棒性。另外,基于Python3.9和Py Qt 5设计了船舶值班驾驶员疲劳检测系统,并在航海模拟器上进行了测试。结果表明,系统可满足不同特征数据采集条件下疲劳检测、报警干预以及疲劳记录等功能。

关键词：船舶值班驾驶员疲劳疲劳检测机器学习方法融合系统设计

基于人脸图像序列和脑电信号的驾驶员疲劳检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人脸图像序列和脑电信号的驾驶员疲劳检测算法研究

学位级别：硕士

疲劳驾驶是导致道路交通事故的重要原因之一,给我们带来了惨重的经济损失的同时,也使我们的生命受到了巨大威胁。目前,研究人员尝试从不同的信号源检测疲劳驾驶,如视觉特征、生理信号、车辆行驶特征等,然而在实际驾驶过程中,影响驾驶员... 详细信息

疲劳驾驶是导致道路交通事故的重要原因之一,给我们带来了惨重的经济损失的同时,也使我们的生命受到了巨大威胁。目前,研究人员尝试从不同的信号源检测疲劳驾驶,如视觉特征、生理信号、车辆行驶特征等,然而在实际驾驶过程中,影响驾驶员精神状态的因素众多,检测环境复杂,因此,如何可靠、有效地检测驾驶员疲劳状态,对行车安全有着非常重要的科学意义和实际应用价值。基于以上认知,本文研究基于人脸图像序列和脑电信号的驾驶员疲劳检测算法。本文具体的工作内容如下:(1)实现了MTCNN人脸检测算法、RetinaFace人脸检测算法,并基于YOLOv5目标检测网络实现了YOLOv5-Face人脸检测算法。最后着眼于驾驶员人脸检测及疲劳检测实际应用场景,对算法结果进行对比分析并选择了合适的人脸检测算法。(2)对LRCN动作识别算法进行改进。使用预训练的ResNet50网络提取图像特征,使用三层的LSTM网络进行时序动作信息的提取,对输出模块进行优化。算法结果表明,基于人脸图像序列的改进LRCN算法应用于驾驶员疲劳检测上是可行的且有着良好的检测性能。(3)基于实验室设备搭建了脑电实验平台并进行实验设计,对已采集8通道脑电信号进行预处理,充分考虑脑电信号的“时-频-空”特征,提出了基于脑电信号的EEGNet-L驾驶员疲劳检测算法。结果表明,在基于脑电信号的疲劳检测中,该算法拥有非常高的疲劳检测准确率。(4)对D-S证据理论决策层融合算法进行改进。结合本文中的驾驶员疲劳检测算法,基于算法平均准确率对BPA值进行加权优化并对D-S证据理论合成规则进行改进,实车实验证明基于多模态融合的改进D-S证据理论决策层融合算法检测性能和鲁棒性优于单一信号源检测算法。

关键词：深度学习疲劳检测人脸图像序列脑电信号多模态融合

面向TX2平台的基于头部姿态的疲劳驾驶检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向TX2平台的基于头部姿态的疲劳驾驶检测方法研究

作者：武剑桥重庆大学

学位级别：硕士

全国公路交通安全管理局的一项研究结果表明,疲劳驾驶是交通事故发生的主要诱因之一。因此,对驾驶员的驾驶状态进行实时性的检测具有重大的意义。本文结合重庆市某汽车厂商一体化智能座舱项需求,研究在英伟达TX2嵌入式平台实现对驾驶员... 详细信息

全国公路交通安全管理局的一项研究结果表明,疲劳驾驶是交通事故发生的主要诱因之一。因此,对驾驶员的驾驶状态进行实时性的检测具有重大的意义。本文结合重庆市某汽车厂商一体化智能座舱项需求,研究在英伟达TX2嵌入式平台实现对驾驶员是否疲劳驾驶监测技术与方法。本文研究了基于深度学习的头部姿态估计驾驶员的疲劳驾驶检测相关方法,针对在TX2平台上实现大规模的数据特征提取及模式识别与处理出现视频卡顿、精度下降的问题,本文对利用轻量级卷积神经网络PFLD对头部姿态进行检测和识别进行优化。论文的主要工作及贡献如下:1)提出一种基于人脸关键点检测的头部姿态估计方法(PFLD＿HPE),该方法以PFLD人脸关键点检测网络为基础网络,结合人脸3D模型和Pn P问题解算方法EPn P算法对人体头部姿态进行预测,与主流方法进行了对比实验,能够较好的进行头部姿态估计。本文将该方法在TX2平台上进行了实际测试,平均每秒可以处理7帧图片。2)为提高网络在TX2平台上的实时性,对PFLD＿HPE网络进行了优化,提出PFLD＿Ghost＿HPE模型,与原方法相比,大大提高了网络的效率。本文将优化后的模型和优化前的模型在TX2平台上进行了对比实验,在TX2平台上平均每秒可以处理17帧图片,验证了优化方法的有效性。3)为提高网络在TX2平台上头部姿态的检测精度,本文利用基于扩展卡尔曼滤波器的自适应滤波器,来降低最终头部姿态估计的误差,且在公开数据集UPNA上进行了对比实验,平均绝对误差降低了15%,准确性得到有效提升。4)将疲劳状态和正常状态人体的头部姿态进行了对比分析,提出一种基于头部姿态的疲劳判断方法,在TX2平台上进行了疲劳状态实验,实验结果表明本文所提方法在TX2平台上可以正确的检测出驾驶员的疲劳状态。

关键词：疲劳检测头部姿态深度学习 TX2平台

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于视频的船舶驾驶员异常行为分析研究

基于视频的船舶驾驶员异常行为分析研究

作者：王鹏大连海事大学

学位级别：硕士

随着航运业的飞速发展,频繁发生的海上安全事故所造成的重大经济损失引起了社会各界的高度重视。研究表明,船舶驾驶员异常行为是导致海上安全事故的主要原因之一。为了最大程度地降低海上安全事故发生的可能性,确保船舶航行安全,本文设... 详细信息

随着航运业的飞速发展,频繁发生的海上安全事故所造成的重大经济损失引起了社会各界的高度重视。研究表明,船舶驾驶员异常行为是导致海上安全事故的主要原因之一。为了最大程度地降低海上安全事故发生的可能性,确保船舶航行安全,本文设计、开发了一种基于视频的船舶驾驶员异常行为检测系统。该系统能够实时检测疲劳驾驶、吸烟和打电话3种异常行为并预警,对船舶驾驶台复杂环境有着较强的鲁棒性。本文的主要工作如下:1.提出了一种基于深度学习的船舶驾驶员疲劳检测算法。使用深度可分离卷积改进的Retina Face模型提取人脸和5个关键点的位置信息;依据5个人脸关键点裁剪出眼睛、嘴巴区域的图片,输入到改进的Shuffle Net v2分类网络识别眼睛、嘴巴的开闭状态;最后基于PERCLOS(Percentage of Eyelid Closure over Time)准则融合眼睛、嘴巴两个特征参数综合判定驾驶员是否疲劳。在自建数据集上的试验结果表明,算法能够准确检测出驾驶员的疲劳状态,识别精确率达到95.70%,召回率达到96.73%,能够较好地适应船舶驾驶台的复杂环境,同时可以满足实时检测的要求。2.提出了一种基于深度学习的吸烟和打电话行为检测算法。首先使用改进的Retina Face网络提取人脸ROI(Region of Interest)区域,再使用改进的YOLO v4目标检测模型来检测该区域内是否存在香烟或手机,从而识别船舶驾驶员的吸烟和打电话行为。改进网络结构提高模型的检测速度;在数据集中加入负样本降低模型的误检率;使用复制粘贴数据增强方法改善模型的泛化能力。实验结果表明,算法具有良好的检测精度和速度,在自建数据集上的MAP(Mean Average Precision)值高达98.51%,误检率仅为3.2%。算法在模拟驾驶环境中可以准确识别出驾驶员的吸烟和打电话行为,鲁棒性较强。3.基于Python3.8开发语言,结合Py Qt和Qt Designer将上述算法集成开发为船舶驾驶员异常行为检测系统,系统可以接入视频文件或摄像头实时检测疲劳驾驶、吸烟和打电话3种异常行为,及时预警并记录检测结果。实验表明本文开发的船舶驾驶员异常行为检测系统能够满足识别异常行为并触发报警的需求,具有较强的实际应用价值。

关键词：疲劳检测吸烟检测打电话检测深度学习 Retina Face YOLO v4

基于深度学习的驾驶员身份识别与疲劳检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的驾驶员身份识别与疲劳检测方法研究

作者：王博辽宁科技大学

学位级别：硕士

人的身体在长时间不休息的情况下会进入疲劳状态。当驾驶员处于疲劳状态时会无法正确处理突发事件,从而导致交通事故。为了避免驾驶员因疲劳而导致交通事故,有必要设计出一个有效的疲劳检测算法。无论是基于驾驶员身体数据分析的疲劳检... 详细信息

人的身体在长时间不休息的情况下会进入疲劳状态。当驾驶员处于疲劳状态时会无法正确处理突发事件,从而导致交通事故。为了避免驾驶员因疲劳而导致交通事故,有必要设计出一个有效的疲劳检测算法。无论是基于驾驶员身体数据分析的疲劳检测算法,还是基于车辆行为轨迹分析的疲劳检测算法,都存在影响驾驶员正常操作或者检测系统响应严重滞后的问题。因此,基于图像信息的检测算法是目前检测驾驶员是否疲劳较为合适的算法。本文首先研究了国内外有关驾驶员疲劳驾驶的检测算法,对现有算法的优缺点进行了分析,在传统的检测算法基础上进行改进,设计出新的基于深度学习的驾驶员疲劳检测算法,本文在检测疲劳状态的同时加入了驾驶员抽烟、打电话两个危险行为的检测,并引入了人脸识别模块,可实现对驾驶员的身份识别与验证。以下是本文的主要工作内容:(1)人脸检测算法的选取与改进。首先对常用的人脸检测算法进行了研究和分析,最终选用Retinaface算法作为本文的人脸检测算法,本文对不同的主干网络进行了对比分析,同时为了提高人脸的检测效果,本文对算法中原有的FPN层和SSH层进行了改进。(2)人脸身份识别网络的构建。本文选用Facenet算法作为本文的人脸特征提取算法,在人脸检测后,对获取的人脸进行裁剪和对齐操作,随后输入到Facenet网络模型中进行特征提取,把得到的特征向量与构建好的人脸数据库中已经拥有的人脸特征向量进行对比,从而完成对驾驶员身份的识别。(3)基于SSD算法改进的驾驶员疲劳检测。由于传统的SSD算法模型过大,对车载设备内存要求过高,本文依据传统SSD算法的工作原理,将主干网络替换为了Mobile Net V2网络,并利用反向残差的思想重新设计了SSD额外层的网络结构,改进后的SSD算法模型的参数量从96.62MB缩减至18.24MB,极大地减小了算法模型的大小,同时算法的MAP(平均准确率均值)从89.88%提升至95.69%,算法的FPS(每秒预测的视频帧数)从51.69提升至71.86。此外,由于疲劳检测的特征都是小目标,本文采用了调整SSD算法先验框的大小和个数、加入改进的FPN网络和SE网络的方法,在置信度阈值设置为0.5的情况下,闭眼的召回率从46.69%提升至65.87%,打哈欠的召回率从59.72%提升至82.72%,抽烟的召回率从65.87%提升至83.09%,可见改进后的网络模型对小目标的特征提取能力更强;最后对视频流每帧特征个数进行统计和分析,通过IF条件判断的方法来实现对驾驶员状态的判定。

关键词： SSD算法疲劳检测人脸识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

驾驶员面部疲劳检测预警系统的研究与应用

驾驶员面部疲劳检测预警系统的研究与应用

作者：王晓旭辽宁大学

学位级别：硕士

根据调查报告显示,在每年发生的交通事故中有超过两成的事故是由驾驶员疲劳驾驶引起的,疲劳驾驶给人们的人身财产安全造成了巨大的损失,而且由驾驶员疲劳驾驶导致交通事故的发生有可能就在几秒钟内,因此,设计一种驾驶员疲劳判断预警方... 详细信息

根据调查报告显示,在每年发生的交通事故中有超过两成的事故是由驾驶员疲劳驾驶引起的,疲劳驾驶给人们的人身财产安全造成了巨大的损失,而且由驾驶员疲劳驾驶导致交通事故的发生有可能就在几秒钟内,因此,设计一种驾驶员疲劳判断预警方法来提高道路交通安全具有重要的现实意义。本文针对驾驶员疲劳检测存在的问题,设计并实现了一种基于驾驶员面部疲劳检测预警系统,达到了实时检测驾驶员状态并给出提醒的目的,为驾驶员以及行人的生命财产安全提供有力保障。本文主要研究内容如下:首先,本文分析了面部状态判断在驾驶员疲劳检测预警系统中的重要意义,并阐述了经典的驾驶员疲劳检测方法、人脸检测方法、人眼检测方法以及确定眼部区域的相关技术。其次,通过分析以往的驾驶员疲劳检测方法的思想,针对其不足和限制,提出了一种驾驶员面部多特征的疲劳检测算法。采用多指标综合的方式判断驾驶员在驾驶过程中是否出现疲劳状态,这样可以有效避免因其中一个特征指标失效导致整个系统判断失效,从而提高了疲劳判断的准确率。该检测算法首先引入非对称卷积核构建了一个轻量级的卷积神经网络模型,通过三次卷积操作获取到眼部丰富特征,可以有效降低判断误差;针对头部状态判断,本文采用了四元数来计算头部旋转的欧拉角。使用欧拉方程求解四元数微分方程,最终转化为欧拉角得到驾驶员的头部角度变化。避免了驾驶员头部在两个方向上同时变化,从而导致无法计算偏转角度的万向节锁现象。本文提出的检测算法弥补了传统算法的不足,提高判断的准确率。最后,将本文提出的多特征疲劳检测算法应用到驾驶员疲劳检测中,设计并实现了驾驶员疲劳检测预警系统。按照系统实际需求,对检测流程进行了详细设计,能够实现数据预处理、实时获取分析视频帧和状态判断的功能,同时完成了状态动态显示和语音提示的功能。经测试验证系统运行稳定,每个方面的性能都表现良好,满足实际驾驶过程中驾驶员疲劳状态检测预警的现实需求。

关键词：卷积神经网络多指标综合疲劳检测欧拉角横纵比