检索结果-南通市图书馆

基于pfld人脸识别的疲劳驾驶检测系统研究

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

信息记录材料 2022年第3期23卷 123-126页

作者：张若萱董晨彭业诚韩宇阳张蔼婷张照李鑫磊吴小刚朱秀美天津理工大学计算机科学与工程学院天津300384

疲劳驾驶逐渐成为交通事故的焦点问题,对驾驶人员疲劳状态检测预警具有重要研究价值。系统通过安卓端RGB摄像头捕捉驾驶人员面部实时状态,采用基于pfld的人脸检测算法匹配面部特征点,通过计算左右眼开合度,实现双眼优化校正,辅以计算眨... 详细信息

疲劳驾驶逐渐成为交通事故的焦点问题,对驾驶人员疲劳状态检测预警具有重要研究价值。系统通过安卓端RGB摄像头捕捉驾驶人员面部实时状态,采用基于pfld的人脸检测算法匹配面部特征点,通过计算左右眼开合度,实现双眼优化校正,辅以计算眨眼次数和打哈欠次数,检测驾驶人员的疲劳状况并实时预警。系统采用阿里云服务器+Android APP架构,实现疲劳状况判定,疲劳蜂鸣提醒,疲劳历史回查,疲劳历史管理,行车导航、紧急联系人等功能,以安卓APP形式实现交互,经测试,驾驶人员疲劳检测准确率可达90%,具有一定的市场应用前景。

关键词：疲劳驾驶 pfld 面部特征点双眼开合度 SVM

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于深度学习的疲劳驾驶检测方法研究

计算机与数字工程 2024年第3期52卷 892-897,930页

作者：王舒磊关沫边玉婵沈阳工业大学信息科学与工程学院沈阳110000 沈阳工业大学软件学院沈阳110000

疲劳驾驶检测对避免车辆事故的发生有着非常重要的意义,对检测方法的实时性和准确率均有较高的要求。为此,提出一种基于深度学习的疲劳驾驶检测方法。首先,使用改进后的目标检测网络YOLOX对驾驶员的面部区域进行定位;然后使用pfld深度... 详细信息

疲劳驾驶检测对避免车辆事故的发生有着非常重要的意义,对检测方法的实时性和准确率均有较高的要求。为此,提出一种基于深度学习的疲劳驾驶检测方法。首先,使用改进后的目标检测网络YOLOX对驾驶员的面部区域进行定位;然后使用pfld深度学习模型检测面部关键点,从而计算出眨眼频率、打哈欠频率和点头频率等疲劳特征参数值;最后,通过多特征融合疲劳判定算法判断驾驶员的疲劳状态,从而进行有效的疲劳驾驶预警。大量的实验表明,该疲劳驾驶检测方法在实时性、准确率等方面都取得明显的性能提升。

关键词： YOLOX pfld 深度学习疲劳驾驶检测

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

基于深度学习的疲劳驾驶检测研究

基于深度学习的疲劳驾驶检测研究

作者：李亮江西理工大学

学位级别：硕士

近年来交通事故时常发生,给社会造成了巨大的损失,其中疲劳驾驶导致的交通事故逐年增加,严重影响驾驶员自身和他人的生命安全。目前关于疲劳的研究大致分为两类:一类是主观检测法;另一类为客观检测方法;针对主观检测方法部分学者提出通... 详细信息

近年来交通事故时常发生,给社会造成了巨大的损失,其中疲劳驾驶导致的交通事故逐年增加,严重影响驾驶员自身和他人的生命安全。目前关于疲劳的研究大致分为两类:一类是主观检测法;另一类为客观检测方法;针对主观检测方法部分学者提出通过收集疲劳驾驶的相关信息,从统计学的角度分析产生疲劳的因素,这类方法存在受人为因素的影响且不能实时检测出驾驶员疲劳的局限性;基于客观检测法分为三类:基于驾驶员生理特征的检测方法是通过检测驾驶员的脑电波和心电图等生理指标来判定驾驶员的疲劳状态,这类方法兼顾了精度和鲁棒性,缺点是检测设备不易部署,影响驾驶体验;基于运动状态的检测方法主要是分析车辆运行过程中的方向、速度和加速度,包括驾驶员的相关驾驶行为如方向盘受到的手部压力、离合器和刹车踏板踩踏的力度等,这类方法容易受到驾驶习惯或者特殊路况等因素的影响导致检测效果的误差较大。因此本文提出一种基于面部的疲劳驾驶检测算法,本文工作如下:(1)提出一种改进的MTCNN人脸检测算法,针对复杂的驾驶环境和快速定位人脸区域的需要,结合深度可分离卷积对原始网络模型进行改进,并精简网络结构;在模型训练上使用了包括不同驾驶场景、角度和光线强度的数据。通过在测试集上验证,改进算法在原算法的基础上速度提高了7倍,在不同光照条件下有着较好的检测效果。(2)改进的疲劳检测算法是建立在人脸特征点的基础上的,为了算法能够实时采集驾驶员的疲劳特征,并且使人脸特征点算法具有一定的检测速度;本文在人脸特征点检测算法pfld的基础上结合GhostNet和重参数的思想,对模型进行轻量化处理,同时在原来3个特征预测层的基础上增加到5个来对输出进行预测,通过在测试集上测试,改进算法在速度上相较于原算法提高了1.5倍,并在遮挡和阴暗场景下有更好的检测效果。(3)在疲劳特征模型的搭建过程中,通过支持向量机对驾驶员的眼睛和嘴部的张合状态进行分类,代替原来的阈值分割方法;这种分类方法考虑到不同的驾驶员的身体差异,针对不同的个体制定不同的分类标准。(4)提出一种多特征融合的疲劳判定方法,通过采集的眼部疲劳特征和嘴部疲劳特征,并分析一定时间内的眼睛状态得出驾驶员实时的PERCLOS值,通过三个疲劳特征综合判定,相比于单特征的检测方法,多特征融合的方法具有精度高、鲁棒性好的特点,通过在YawDD数据集上进行疲劳驾驶算法的验证,本文算法能达到97.3%准确率和88.23ms/f的推理速度。

关键词： MTCNN pfld 卷积神经网络疲劳驾驶目标检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于面部特征的疲劳驾驶检测技术研究

基于面部特征的疲劳驾驶检测技术研究

作者：王舒磊沈阳工业大学

学位级别：硕士

随着国民经济的快速发展和人民生活水平的显著提高,越来越多的人选择购买私家车,汽车数量的增加导致交通事故频发,造成大量财产损失和人身伤害。在造成交通事故的众多原因之中,疲劳驾驶占有很大的比重。因此,研究一种有效的驾驶员疲劳... 详细信息

随着国民经济的快速发展和人民生活水平的显著提高,越来越多的人选择购买私家车,汽车数量的增加导致交通事故频发,造成大量财产损失和人身伤害。在造成交通事故的众多原因之中,疲劳驾驶占有很大的比重。因此,研究一种有效的驾驶员疲劳检测方法具有重要意义。本文查阅了大量相关文献,比较了三种常用的疲劳驾驶检测方法,选择了基于人脸特征的疲劳驾驶检测方法,该方法不会干扰驾驶员,且检测精度高。基于单一疲劳特征判断疲劳程度存在局限性和准确度低的缺陷,而且当驾驶员处于疲劳状态时,面部的多个疲劳状态都会发生变化,如频繁眨眼、打哈欠以及瞌睡点头或头部倾斜等。故本文使用多个疲劳特征融合进行驾驶员疲劳状态的判定,提出了一种非接触和能够实时检测的疲劳驾驶检测方法,以提高疲劳判定的准确性,减少误判的概率。本文首先使用改进后的目标检测网络YOLOX对驾驶员的面部区域进行检测,YOLOX具有检测速度快和精度高的优点,能够很好地满足本文对于人脸检测的精度和速度的综合要求。然后,采用改进的pfld人脸关键点检测模型进行脸部关键点定位和头部姿态估计,既能够满足脸部关键点检测速度快、精度高的要求,还能利用头部姿态参数计算头部相关特征值,减少了计算量。最后利用多特征疲劳判别模型,实时判断驾驶员的疲劳程度,并进行疲劳预警。实验表明,本文提出的疲劳驾驶检测方法准确率达到97%以上,实时FPS可达到46帧/秒,可以有效地进行实时疲劳驾驶检测,且方法的性能优于其他大多数的疲劳驾驶检测方法。本文采用Python语言实现了具体的检测算法,并结合Py Qt5完成了检测工作界面的设计,并通过图像和数据实时直观地展示疲劳检测的结果,结果表明本文提出的检测方法能够满足疲劳驾驶检测的需求。

关键词：疲劳驾驶检测 YOLOX pfld 多特征疲劳检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的疲劳驾驶识别方法研究

基于深度学习的疲劳驾驶识别方法研究

作者：崔喜铄辽宁科技大学

学位级别：硕士

近年来,随着人们生活水平的提高,越来越多的人会选择以私家车的方式出行。但是由于车辆不断的增多,交通事故发生率不断的增长,使得交通安全隐患给人们带来了巨大的困扰。疲劳驾驶是导致交通事故发生的最主要原因。若能在驾驶员疲劳的时... 详细信息

近年来,随着人们生活水平的提高,越来越多的人会选择以私家车的方式出行。但是由于车辆不断的增多,交通事故发生率不断的增长,使得交通安全隐患给人们带来了巨大的困扰。疲劳驾驶是导致交通事故发生的最主要原因。若能在驾驶员疲劳的时候给予提醒,便可以减少交通事故的发生,同时也保障了驾驶员的安全。所以,本文设计一种基于深度学习的疲劳驾驶识别方法,该方法主要由人脸关键点检测算法和疲劳驾驶识别方法两个部分构成。本文主要工作如下。(1)人脸关键点检测算法研究。本文使用pfld人脸关键点检测算法,在原算法的基础上使用Ghost bottleneck替换了Mobilenet V2 bottleneck,增加了网络的识别精度。在网络中加入并改进了CBAM注意力机制。改进的CBAM注意力机制在空间注意力模块中,使用尺寸为(H,1)和(1,W)的池化核对特征图进行重新编码。此方法能更好的帮助网络提取特征图的位置信息,能够帮助模型定位感兴趣区域。改进后的网络在同数据集中的测试精度上对比原网络有较大的提升,并优于热门的人脸关键点检测网络。(2)疲劳驾驶识别方法研究。本文根据驾驶员的人脸关键点信息设计出眼睛和嘴巴的疲劳特征识别方法,将它们描述成面部特征向量。并同时对多个驾驶员面部特征向量进行处理,得到驾驶员的疲劳特征序列。接着,本文设计出一种基于长短期记忆网络的疲劳识别网络,对驾驶员的状态进行识别。并构建了疲劳数据集来对网络进行训练。通过实验确定网络的时间窗口和跳跃帧最优的参数。实验结果表明,本文设计的疲劳驾驶识别方法具有良好的精度和实时性,满足驾驶员疲劳识别任务需求。

关键词：疲劳识别 pfld 注意力机制 LSTM

基于卷积神经网络的驾驶员面部疲劳检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的驾驶员面部疲劳检测方法研究

作者：冯世霖重庆科技学院

学位级别：硕士

疲劳驾驶是导致道路交通事故的重要因素之一,不仅威胁驾驶员的生命和财产安全,也对行人的安全构成威胁。因此,快速、高效地检测驾驶员的疲劳状态对于提高道路安全具有至关重要的意义。然而,目前基于卷积神经网络的疲劳检测算法存在一些... 详细信息

疲劳驾驶是导致道路交通事故的重要因素之一,不仅威胁驾驶员的生命和财产安全,也对行人的安全构成威胁。因此,快速、高效地检测驾驶员的疲劳状态对于提高道路安全具有至关重要的意义。然而,目前基于卷积神经网络的疲劳检测算法存在一些问题,例如检测精度和实时性难以平衡等,这些问题制约了疲劳驾驶检测算法在实际应用中的效果。为此,本研究提出了一种基于卷积神经网络的疲劳驾驶检测方法,该方法主要针对驾驶员的面部特征,具有更高的检测准确性和实时性。本研究主要包括以下内容:首先,针对常规人脸检测网络存在参数量较大、实时性有待改进的问题,提出了一种基于YOLOv5(You Only Look Once)算法的轻量级人脸检测算法。具体地,本文对YOLOv5算法的主干网络进行改进,采用Ghost Net代替原有的主干网络,实现网络轻量化;同时,引入了Bi FPN结构以及注意力机制协调注意力机制(Coordinate Attention,CA)模块,提高了多尺度特征融合和特征提取的能力。最后,本文使用疲劳驾驶数据集Drive Face进行测试,实验结果表明,所提出的算法在能够平衡检测精度和实时性,并且在实际驾驶环境中能够满足人脸检测的需求。这些改进使得算法更加轻量化、更快速,证明了该算法的有效性。其次,针对现有的A Practical Facial Landmark Detector(pfld)算法在驾驶环境下,对驾驶员的人脸关键点检测精度不足的问题,提出了一种改进的pfld算法。使用Ghost Net替换原有的主干网络,既提高了驾驶员人脸关键点的检测精度,又实现了模型的轻量化。通过在疲劳驾驶数据集上的测试,证明了该改进能够在实际驾驶环境中更高效、更准确地检测驾驶员人脸关键点,从而提高疲劳驾驶检测的精度和可靠性。最终,本文提出了一种基于驾驶员面部特征的疲劳驾驶检测方法。该方法通过结合人脸检测网络和人脸关键点检测网络获取人脸关键点坐标,并计算眼部和嘴部的疲劳特征参数。同时,该方法综合使用Percentage of Eyelid Closure over the Pupil(PERCLOS)、连续闭眼时间和打哈欠的次数,分别与设定阈值进行比较,实现实时检测驾驶员的疲劳状态。实验结果表明,该方法在疲劳驾驶检测准确率方面达到了94.9%,FPS平均可达41,表现优于其他多数疲劳驾驶检测方法。该方法能够快速有效地检测驾驶员的疲劳状态,具有实际应用价值。

关键词：疲劳驾驶检测卷积神经网络 YOLOv5 pfld

基于面部多特征融合的疲劳驾驶检测系统设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于面部多特征融合的疲劳驾驶检测系统设计与实现

作者：韩一民华中师范大学

学位级别：硕士

随着我国汽车保有量和驾驶员数量的不断增长,因交通事故引起的人员伤亡及财产损失也在逐年上升,而疲劳驾驶已经成为导致交通事故的主要原因之一。因此,研究一种安全可靠的疲劳驾驶检测系统具有重要的理论和实际意义。目前常用的疲劳驾... 详细信息

随着我国汽车保有量和驾驶员数量的不断增长,因交通事故引起的人员伤亡及财产损失也在逐年上升,而疲劳驾驶已经成为导致交通事故的主要原因之一。因此,研究一种安全可靠的疲劳驾驶检测系统具有重要的理论和实际意义。目前常用的疲劳驾驶检测方法中,基于驾驶员生理特征的检测方法和基于车辆行驶特征的检测方法存在着设备昂贵、易受环境影响、检测指标单一等问题。鉴于以上问题,本文提出了一种基于面部多特征融合的疲劳驾驶检测方法,并结合Orange Pi 5嵌入式开发板构建了一个疲劳驾驶检测及监管系统,该系统能够准确分析驾驶员的疲劳状态,提高驾驶安全性。具体研究内容如下:(1)设计了一种基于SimAM无参注意力机制的轻量化YOLOv5s人脸检测网络。为了让模型能够将更多的注意力聚焦于有效信息区域,进而提高模型的检测精度,在YOLOv5s主干网络尾部添加SimAM无参注意力机制。改进后的网络在Wider Face数据集上的实验结果表明,相较于原始YOLOv5s,在参数量不变的情况下,检测精度提高了2.1%,能够较好的完成人脸检测任务。(2)改进了一种带有辅助子网络的pfld人脸关键点检测模型。首先,构建了多尺度特征融合模块,以进一步加强模型对大目标及小目标的检测能力。其次,使用Ghost Bottleneck优化了模型主干网络,进一步降低模型参数量,提高检测速度。在WFLW数据集上的实验结果表明,改进后的模型检测速度更快、精度更高,能够满足实际使用需求。(3)研究了一种基于面部多特征融合的疲劳判定方法。首先,通过人脸关键点计算EAR、MAR值,进而提取驾驶员眼部和嘴部特征。同时,采用pfld辅助子网络获取头部特征。然后,根据上述提取的3类面部特征对眨眼、打哈欠、瞌睡点头等状态进行疲劳阈值设定。最后,得出一种基于面部多特征融合的疲劳判定方法。在YawDD数据集上的实验结果表明,该方法的检测准确率达到了95.3%。(4)设计并实现了疲劳驾驶检测及监管系统。搭建了基于Orange Pi 5嵌入式开发板的疲劳驾驶检测系统,并使用Spring Boot开发了后台监管系统。经过测试实验,本文所设计的疲劳驾驶检测及监管系统能够相对准确地判定疲劳驾驶行为。

关键词：疲劳驾驶检测 YOLOv5s SimAM pfld Orange Pi 5