检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种面向轨道交通列车司机人脸检测方法

现代计算机 2022年第3期28卷 1-6,30页

作者：江跃龙广州铁路职业技术学院广州510610

针对轨道交通列车高速行驶过程中,轨道交通列车司机因长时间工作而产生的疲劳,将影响行车安全,对机车司机作业行为以及工作条件、工作状态和监督环节重要一部分。在列车司机长时间驾驶疲劳检测其中最关键技术之一是人脸检测和人脸感兴... 详细信息

针对轨道交通列车高速行驶过程中,轨道交通列车司机因长时间工作而产生的疲劳,将影响行车安全,对机车司机作业行为以及工作条件、工作状态和监督环节重要一部分。在列车司机长时间驾驶疲劳检测其中最关键技术之一是人脸检测和人脸感兴趣区域(ROI)定位,利用高斯肤色模型对列车司机驾驶图像中的人脸感兴趣区域(ROI)进行预分割,得到列车司机的人脸感兴趣区域,提出一种面向轨道交通列车司机疲劳检测关键技术之一是人脸检测的方法,针对轨道交通列车司机疲劳检测,如人脸检测技术进行了研究,经过实验分析表明,在复杂光照下列车司机人脸方法能有效提高人脸检测率,鲁棒性较好,为后续研究精准定位列车司机的眼睛张开和闭合进行疲劳检测奠定一定基础。

关键词：人脸检测疲劳检测色彩空间肤色分割

基于情景感知的行车安全关键技术及其在移动端的应用

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

基于情景感知的行车安全关键技术及其在移动端的应用

作者：李军阳南京信息工程大学

学位级别：硕士

在新型智慧城市建设和“一网通办”政策的加持下,各项城市服务业务都在加快上线手机端,交通作为一个城市的命脉,是城市服务中最值得重点关注的领域。随着近些年经济的增长,市民汽车拥有量也在逐年上升,但同时也导致了交通事故频发。2021... 详细信息

在新型智慧城市建设和“一网通办”政策的加持下,各项城市服务业务都在加快上线手机端,交通作为一个城市的命脉,是城市服务中最值得重点关注的领域。随着近些年经济的增长,市民汽车拥有量也在逐年上升,但同时也导致了交通事故频发。2021年,中国发生273098起交通事故,死亡人数高达62218人,交通事故已成为中国最常见、死亡率最高的意外伤害。因此如何依靠智能手机降低交通事故伤亡率,提高行车安全性,成为本文关注的重点。发生交通事故的最主要原因是驾驶员疲劳驾驶,因此驾驶员的疲劳检测是非常重要的。然而,即使有疲劳检测,仍然可能发生车祸,在这种情况下,能够快速检测到车祸发生并向外界发出求救,帮助他们及时得到救援和治疗,可以最大程度地减少伤亡。但是目前基于移动端的疲劳检测和车祸紧急求救方法存在一些问题:轻量化的疲劳检测模型为了保证检测实时性,导致精度不足;传统的车祸紧急求救以车祸发生瞬间位置作为求救位置,没有考虑到受害者最终实际被救助位置与车祸发生瞬间位置的偏差。针对以上两个问题,本文开展了相关工作:(1)对于疲劳检测模型精度不足问题,本文在PFLD模型的基础上,分别使用最新的高效轻量级神经网络模块Mobile One和Mobile Former替换掉它的骨干网络,通过重参数化和轻量双向交叉注意力机制完成网络重构,在La Pa数据集上通过多项指标验证了这两种模型的准确性。最终,在性能与效率的综合考量下,本文选定了PFLD-Mobile One模型,它相比PFLD在性能上提升了16.8%,在推理速度上提升了30.4%。(2)对于车祸紧急求救位置偏差问题,本文使用扩展卡尔曼滤波(EKF)算法融合处理IMU和GNSS数据,并通过粒子群优化算法(PSO)优化EKF参数,来实时跟踪并预测车辆位置,以便在车祸发生后,将受害者实际位置及时发送出去。在实验中,使用控制变量法,在EU Long-term数据集上验证了算法在高精度传感器上的准确性,在实际道路上验证了手机传感器在车辆位置跟踪预测中的准确性。最后,使用RC模型车模拟车祸碰撞,搭载了EKF-PSO算法的智能手机较为精准的预测出了车辆碰撞后的位置与方向。(3)本文将上述两个算法与语音交互功能通过安卓开发技术一同植入到手机中,当手机检测到驾驶员进入疲劳状态后,会通过语音的形式提醒驾驶员,直至驾驶员恢复清醒。当手机检测到驾驶员发生车祸后,会主动通过语音助手询问驾驶员安全状况,当驾驶员的回答触发求救关键词后,手机语音助手会做出响应的求救机制,比如通过短信、电话通知警方/医院或者不断发出蜂鸣声尝试唤醒受害者的意识。经过测试,APP平均FPS可达40.5,满足了疲劳预警和车祸紧急求救的实时性要求。

关键词：疲劳检测车祸紧急求救人机交互智慧交通

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脑电信号的列车驾驶员疲劳检测研究

基于脑电信号的列车驾驶员疲劳检测研究

作者：谢城壁北京交通大学

学位级别：硕士

疲劳驾驶是列车事故的主要原因之一,造成了较大的人员伤亡和经济损失。如何及时并准确地发现列车驾驶员的疲劳状态,协助驾驶员减少疲劳驾驶行为成为亟待解决的问题。为此,开展了基于脑电信号的疲劳检测算法研究,主要研究内容如下:(1)针... 详细信息

疲劳驾驶是列车事故的主要原因之一,造成了较大的人员伤亡和经济损失。如何及时并准确地发现列车驾驶员的疲劳状态,协助驾驶员减少疲劳驾驶行为成为亟待解决的问题。为此,开展了基于脑电信号的疲劳检测算法研究,主要研究内容如下:(1)针对数据采集环节,设计了疲劳状态诱发和脑电信号采集实验,在此基础上采集了被试者清醒和疲劳状态的脑电信号,形成了一个列车疲劳驾驶相关的脑电数据集。并对脑电信号进行预处理,主要包括滤波和伪迹去除环节。(2)从频域、时域提取了功率谱密度特征和微分熵特征等特征值。基于提取的特征值,对传统机器学习分类方法进行研究。分别搭建了LDA、KNN、SVM三种机器学习模型进行对比,实验分为被试内的单被试实验和全被试混合数据实验。单被试实验中,SVM模型分类准确率平均值达到0.83,分别比LDA、KNN高出0.09、0.04,AUC值平均可以达到0.89,分别比LDA、KNN高出0.07、0.04,F1得分平均值为0.82,分别比LDA、KNN高出0.10、0.04。全被试混合数据实验中,SVM模型在分类准确率、AUC、F1得分、精确率、召回率这五项评价标准上有更好的综合表现。(3)基于深度学习,并结合传统机器学习的方法,提出了一种CNN-LSTM-SVM的脑电疲劳检测分类模型。通过深度学习的方法,可以跳过手动选择和提取特征值的过程,学习脑电数据的深度特征,包括一些手动提取无法学习到的特征。CNN-LSTM-SVM模型在单被试实验中平均准确率0.94,平均AUC值0.96,平均F1得分0.94,与CNN-LSTM、CNN和SVM模型对比,平均准确率分别提高0.05、0.09、0.11,平均AUC分别提高0.01、0.05、0.07,平均F1得分分别提高0.05、0.09、0.12。全被试混合数据的实验中,CNN-LSTM-SVM模型在所采用的五项评价指标中表现均强于其它三种模型,其中准确率和AUC分别达到0.93、0.98。(4)提出了一种Transformer疲劳检测回归模型,通过脑电信号,对眼睑闭合度变化曲线进行拟合,以此来实现疲劳状态的判断以及疲劳状态动态变化的可视化。在回归实验中,Transformer模型的EVS、R、RMSE、MAE平均分别达到0.92、0.90、0.06、0.05,在这四项指标上表现均优于作为对比的SVR、RNN、LSTM回归模型。

关键词：疲劳检测脑电信号深度学习机器学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于蚁群算法的驾驶人疲劳特征优化方法研究

基于蚁群算法的驾驶人疲劳特征优化方法研究

作者：陈智能重庆科技学院

学位级别：硕士

疲劳驾驶是引发交通事故的常见原因之一,每年都会造成数以亿计的经济损失和夺走数以万计的生命,而对驾驶人进行疲劳检测能够有效减少因疲劳驾驶发生事故的机率。实现疲劳驾驶检测的一般步骤为疲劳特征提取、疲劳特征优化、疲劳分类,其... 详细信息

疲劳驾驶是引发交通事故的常见原因之一,每年都会造成数以亿计的经济损失和夺走数以万计的生命,而对驾驶人进行疲劳检测能够有效减少因疲劳驾驶发生事故的机率。实现疲劳驾驶检测的一般步骤为疲劳特征提取、疲劳特征优化、疲劳分类,其中疲劳特征对疲劳分类有着决定性的作用,基于此本文展开了对驾驶人的疲劳特征优化研究。具体研究内容如下:通过实车疲劳驾驶实验采集驾驶人行驶时的车辆状态数据,对数据进行剔除、切分后,用专家评分法评估驾驶人的真实驾驶状态,建立疲劳数据库,利用统计类和经验类方法从疲劳数据库中提取了169个疲劳特征,并用方差分析法对疲劳特征差异显著性进行检验,保留72个具有显著性差异的疲劳特征组成初筛疲劳特征集,将初筛疲劳特征集的对应样本送入支持向量机(Support vector machine,SVM)中进行疲劳分类,分类准确率为61.06%,较原始疲劳特征在SVM下的分类准确率提升4.81个百分点。针对传统蚁群优化算法蚂蚁在转移过程中未考虑待选特征与已选特征的相关性,以及每次迭代中各个特征节点信息素增加较为平均的问题,提出改进蚁群优化算法IACO(Improved ant colony optimization),利用Fisher分数能够评估单个特征预测性能强弱和最大信息系数能够计算待选特征与已选特征间相关性改进启发式信息,这能够减小蚂蚁在转移中选择预测性能弱和冗余特征的概率;还利用特征在较优特征子集中出现的频率改进信息素更新规则,这使得蚂蚁在下一次迭代中围绕较优特征进行探索。用IACO对初筛所得的72个疲劳特征进行优化得到8个疲劳特征,其对应样本在SVM下的分类准确率为81.73%,较初筛疲劳特征集在SVM下的分类准确率提升20.67个百分点。针对蚁群算法全局寻优能力的不足和遗传算法局部勘探能力较弱的问题,提出混合遗传蚁群优化算法GAACO(Genetic and ant colony optimization),利用遗传算法对每代蚁群所选特征以特征重构的方式进行再优化,使GAACO同时具备较强的全局寻优能力与局部勘探能力。用GAACO对初筛所得72个疲劳特征进行优化得到9个疲劳特征,其对应样本在SVM下的分类准确率为82.21%,较初筛疲劳特征集在SVM下的分类准确率提升21.15个百分点。上述实验结果表明,本文提出的IACO与GAACO均能有效优化疲劳特征,提升疲劳检测效果。

关键词：疲劳检测蚁群算法遗传算法特征优化汽车安全

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行为检测系统研究与设计

基于深度学习的驾驶行为检测系统研究与设计

作者：李昊晨陕西科技大学

学位级别：硕士

如今,汽车工业空前发展、汽车制造技术不断提高,虽然现代汽车为安全可靠的出行提供了保障,但仍有许多交通事故由于驾驶员危险驾驶行为而发生,如疲劳、分心驾驶行为,必然会降低驾驶员对机动车的驾驭能力,极易引发交通事故。本文在分析引... 详细信息

如今,汽车工业空前发展、汽车制造技术不断提高,虽然现代汽车为安全可靠的出行提供了保障,但仍有许多交通事故由于驾驶员危险驾驶行为而发生,如疲劳、分心驾驶行为,必然会降低驾驶员对机动车的驾驭能力,极易引发交通事故。本文在分析引起交通事故原因的基础上,基于深度学习相关技术,研究识别疲劳、分心驾驶的方法,并开发相应的检测系统,提醒驾驶员安全驾驶,对减少交通事故、构建平安中国具有重要意义。论文的主要研究工作可总结如下几个方面。(1)驾驶行为检测系统方案设计与相关技术分析该系统由硬件、软件两个部分组成,其中硬件部分包括数据采集模块、微处理器与显示模块;软件部分包括疲劳驾驶检测算法与分心驾驶检测算法。其次深入分析行为检测所涉及的相关技术,包括用于图像处理的卷积神经网络、用于学习序列特征的长短期记忆网络、以及用于图深度学习的图卷积网络理论,为后文驾驶行为检测算法设计打下基础。(2)驾驶员疲劳检测算法研究与设计针对疲劳检测中特征的长时依赖与短时依赖并存问题,提出基于改进的ResNet-50与Multiscale Time Skip LSTM的疲劳检测算法。首先采用MTCNN对输入数据进行人脸检测与关键点定位,设计裁剪算法,提取头部、眼睛与嘴部图像;其次改进ResNet-50,保留有效层,多尺度融合浅层、中层和深层特征,并将面部图像输入改进的ResNet-50提取行为的空间特征;最后将面部空间特征串联输入时间特征提取网络,设计时间特征提取网络MTS-LSTM,融合不同尺度时间跳跃的序列特征。在实验部分中,设计了空间特征提取对比实验、时间特征提取对比实验、面部遮挡实验与准确率对比实验,实验结果表明,所提出的疲劳检测算法准确率在YawDD达到 89.72%,在 NTHU-DDD 达到 90.87%。(3)驾驶员分心检测算法研究与设计针对目前许多基于图卷积网络的动作识别算法网络规模大、冗余信息多、训练困难等问题,提出双流混合细化校正图卷积网络。首先使用AlphaPose进行人体关键点检测与人体姿态估计,得到关节与骨骼的序列数据;其次分别将关节序列与骨骼序列输入混合细化校正图卷积网络进行图中节点与边缘运动的特征提取,校正网络将序列信息通过横向连接传递给细化网络,细化网络与校正网络输出特征又通过自适应特征融合更好地保留互补特征。在实验部分中,设计了分心行为检测实验、2sHRC-GCN消融实验、HRC-GCN配置实验与准确率对比实验,实验结果表明,所提出的分心驾驶检测算法在SUST-DBDD与EBDD数据集上准确率达到93.48%。(4)驾驶行为检测系统设计与实现基于驾驶员疲劳检测算法与驾驶员分心检测算法,对驾驶行为检测系统设计与实现。首先对检测系统的设计理念进行研究,奠定设计原则,并从驾驶员行为检测系统的总体架构进行研究,根据检测系统的信息感知层、数据传输层与数据处理层,设计系统的硬件部分与软件部分。通过车载相机捕获驾驶员车内行为,再将数据上传至服务器,通过疲劳检测算法与分心检测算法对驾驶行为进行评估。最后完成检测系统实现与夜间检测实现,并对行为检测模块功能进行测试。本研究基于深度学习相关技术,通过驾驶行为检测系统方案设计与相关技术分析、驾驶员疲劳检测算法研究与设计、驾驶员分心检测算法研究与设计、驾驶行为检测系统实现与可视化展示界面设计几部分研究驾驶行为检测系统。系统中应用多尺度特征提取、细化校正网络构建,并提出多尺度时间跳跃、注意力自适应特征融合等算法结构,降低了网络在检测过程中产生的参数量,提升了行为分类的准确度。检测系统的灵敏性与泛化性也大幅提高,本文的驾驶行为检测系统可为各领域的行为检测提供一定参考。

关键词：驾驶行为检测疲劳检测多尺度时间跳跃分心检测细化校正网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多源视觉信息和特征选择的疲劳检测方法

制造业自动化 2021年第10期43卷 37-40,56页

作者：陈莉莉刘翔唐家勋陈俊廷上海工程技术大学电子电气工程学院上海201620

针对传统疲劳检测方法因提取的特征比较单一,导致检测精度较低的问题,本文结合面部动作单元和头部姿态两种维度的视觉信息表征疲劳,并在视频段上分别提取这两种信息的8个统计量作为疲劳特征。同时提出MI-FCBF特征选择算法,该算法通过比... 详细信息

针对传统疲劳检测方法因提取的特征比较单一,导致检测精度较低的问题,本文结合面部动作单元和头部姿态两种维度的视觉信息表征疲劳,并在视频段上分别提取这两种信息的8个统计量作为疲劳特征。同时提出MI-FCBF特征选择算法,该算法通过比较特征的互信息值和对称不确定性去除无关特征和冗余特征,在不影响分类精度的前提下降低特征维度。实验结果表明,本文提出的基于多源视觉信息和特征选择的疲劳检测方法能够以较低维度的特征有效检测驾驶员的疲劳状态,提高了检测模型的泛化能力。

关键词：疲劳检测面部动作单元头部姿态 MI-FCBF

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

基于多特征融合的疲劳检测方法研究

基于多特征融合的疲劳检测方法研究

作者：邹清宇南京信息工程大学

学位级别：硕士

国家统计与数据分析中心的报告指出,疲劳驾驶是导致车祸的主要因素之一,在车祸出现之前,假如驾驶员的反应能够提早0.5秒,将可以减少60%的车祸。因此,司机疲劳检测技术的研发十分关键,它可以有效测试出驾驶员有无疲劳驾驶,降低车祸的发... 详细信息

国家统计与数据分析中心的报告指出,疲劳驾驶是导致车祸的主要因素之一,在车祸出现之前,假如驾驶员的反应能够提早0.5秒,将可以减少60%的车祸。因此,司机疲劳检测技术的研发十分关键,它可以有效测试出驾驶员有无疲劳驾驶,降低车祸的发生率。为了解决当前的疲劳检测方法准确率低或实时性差的缺点,本文将HOG人脸检测算法和KCF目标跟踪算法相融合,引入了可变形卷积神经网络对提取的眼部和嘴部进行状态识别,研究的主要工作如下:（1）针对光线和噪点对疲劳检测的负面影响,对采集的图像进行预处理。本文使用直方图均衡化处理方法对光线复杂的自然环境下收集的图像进行增强。利用非线性滤波中的中值滤波实现去噪,减少噪点对疲劳检测的负面影响。图像预处理提高了检测设备成像的可识别性和检测系统的准确度。（2）针对传统人脸算法准确率不高的问题,引入了核相关滤波跟踪算法对其进行改进,将HOG人脸检测算法和KCF目标跟踪算法相融合,对检测到的人脸进行快速跟踪,提取连续稳定的目标人脸,达到更高效的提取。提取驾驶员的人脸图像之后,本文调用Dlib库进行脸部关键点的提取,增加了算法的准确率。（3）引入了可变形卷积神经网络对提取的眼部和嘴部进行状态识别,提出的可变形卷积运算是标准卷积运算的扩展。使用额外的标准卷积运算来引入与标准卷积相比的网格点上的值的空间偏移,用于改变均匀网格采样的位置,使得卷积运算可以学习自由变形信息,提高了状态识别的准确率。引入了头部姿态算法对驾驶员的头部进行实时检测,由此获取驾驶者头部状态的信息。（4）根据眼部、嘴部和头部的状态,提出了一种多特征融合的疲劳检测方法。与当前的疲劳检测算法相比,提出的新方法能够实时的检测驾驶员疲劳状态,并且具有较高的准确率。本文有两种方式进行验证驾驶员是否疲劳驾驶,通过自带的摄像头进行实时检测驾驶员的状态,还可以通过相机采集的图片和视频导入到本文设计的疲劳检测系统。通过采集的数据集和模拟驾驶员状态进行验证,本文设计的基于多特征融合的疲劳检测方法有很好的鲁棒性。

关键词：图像预处理人脸检测可变形卷积头部姿态疲劳检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于面部特征流的疲劳驾驶检测的研究与实现

基于面部特征流的疲劳驾驶检测的研究与实现

作者：雒建梅宁夏大学

学位级别：硕士

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... 详细信息

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。

关键词： MTCNN 疲劳检测 Android Ghost ResNet-50

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度特征融合的疲劳驾驶检测方法研究

基于多尺度特征融合的疲劳驾驶检测方法研究

作者：李依玲重庆大学

学位级别：硕士

疲劳驾驶作为诱发交通事故的主要因素之一,其造成的交通事故占总交通事故的20%左右,占特大交通事故的40%以上,危害性极大。基于面部特征的疲劳检测方法无需与驾驶员进行接触,具有成本低、受限小且精度高等优点。如何通过面部特征快速、... 详细信息

疲劳驾驶作为诱发交通事故的主要因素之一,其造成的交通事故占总交通事故的20%左右,占特大交通事故的40%以上,危害性极大。基于面部特征的疲劳检测方法无需与驾驶员进行接触,具有成本低、受限小且精度高等优点。如何通过面部特征快速、准确地检测驾驶员的疲劳状态具有重要的研究意义和应用价值。目前,基于面部特征的疲劳检测方法未能融合图像的多尺度特征及多层次信息,在复杂多变的驾驶环境下难以满足实时性和准确性两方面要求。因此本文立足于实际应用场景,以提高疲劳检测方法的准确率、鲁棒性及泛化能力为目标,从疲劳特征选取、面部特征提取以及疲劳判定等多角度进行深入的研究,提出了一种多尺度特征融合的疲劳检测方法,结合智能数字座舱项目需求设计并实现了基于面部特征的疲劳驾驶检测系统,本文主要研究内容及成果如下:(1)针对现有方法不能充分利用图像的多尺度特征及多层次信息的问题,本文提出了一种基于多尺度特征融合的疲劳检测方法。该方法使用多尺度特征层的融合策略和轻量、高效的门控模块,结合具有较强语义的深层特征与细节丰富的浅层特征,充分挖掘图像中的有效特征信息,抑制无效信息,从而更好地检测面部的疲劳特征状态。结合多特征综合的疲劳评定方式,所提的疲劳检测方法在视频数据集上检测的平均准确率能达到96%,表明了该方法能够准确地检测出驾驶员的疲劳状态。(2)针对疲劳检测系统进行了需求分析,首先基于多尺度特征融合方法设计了一种疲劳检测方案。其次采用Pytorch框架、Py Qt5以及辅助硬件设备实现了基于面部特征的疲劳驾驶检测系统。该系统可通过摄像头实时采集视频或拉取资源库中视频的方式检测驾驶员的疲劳状态,可以利用脱岗检测模块来监测驾驶过程中是否存在脱岗现象,并设计了相应的警告功能进行提示。最后对系统进行了相关测试,测试结果证实了该系统能够满足实时性、可用性以及易用性要求,能判断驾驶员疲劳状态并给予相应反馈,其整体性能较好,具有一定的使用价值。

关键词：疲劳检测图像信息特征提取多尺度特征融合