基于深度学习和面部多特征融合的驾驶员疲劳检测研究

来源：计算机测量与控制杂志2022年第12期北京时间：

作者：张闯,朱天军,李学民

单位：肇庆学院

摘要：驾驶员疲劳驾驶是造成交通事故的重要原因之一。本文提出了基于深度学习和面部多特征融合的驾驶员疲劳检测研究方法。首先采用多任务级联卷积神经网络MTCNN（Multi-task convolutional neural network)结构进行面部检测和特征点定位，并利用Dlib工具包中的面部68个地标，提取驾驶员面部的特征参数；其次，基于眼睛纵横比（EAR），眼睛闭合百分比（PECLORS）和嘴巴高宽比（ MAR）的值按不同的权值相加得到参数M,在一定时间内累加M>0.605的帧数判断驾驶员疲劳的程度。最后，试验结果表明：本方法能够有效地利用视频图像实时检测驾驶员疲劳状态，其准确率和灵敏度分别为93.1%和90.2%，对于保护驾驶员及车辆行驶安全具有重大意义。

关键词：疲劳检测;眼睛纵横比;眼睛闭合百分比;嘴巴高宽比;深度学习

基金资助：国家自然科学基金资助项目(51205105)；河北省高等学校科学技术研究项目(ZD2017213)；河北省科技计划项目(17394501D)；广东省教育厅特色创新项目(2019KTSCX201);肇庆市社会与民生科技项目(2020SN004)；广东省教育厅重点领域项目(2021ZDZX1061)