基于面部倒立摆模型与信息熵的驾驶员疲劳检测

来源：交通运输系统工程与信息杂志2023年第5期北京时间：

作者：李泰国, 张天策, 李超, 周星宏

单位：1. 兰州交通大学，自动化与电气工程学院，兰州 730070；2. 陕西省康复医院，运动疗法一科，西安 710065

摘要：驾驶员疲劳检测的研究有助于降低交通事故的发生。本文提出一种基于面部倒立摆模型与信息熵的疲劳检测方法，首先，采用PFLD(Practical Facial Landmark Detector)模型检测驾驶员面部关键点坐标，并估计用于表示头部姿态信息的Pitch、Yaw以及Roll角度值；然后，以关键点坐标为输入建立面部倒立摆模型，计算模型中连杆系统在驾驶员驾驶过程中的动能和势能；之后，以倒立摆模型的动能、势能以及头部姿态数据作为衡量驾驶员疲劳状态变化的指示特征，基于滑动窗口计算各疲劳特征的信息熵值；通过CNN(Convolutional Neural Networks)处理疲劳特征信息熵值，建立信息熵与驾驶员疲劳状态之间的联系；最后，将 CNN 在各个时间点上的输出作为LSTM(Long Hort-term Memory)网络的输入特征，通过CNN-LSTM模型实现疲劳特征信息熵的分类预测。实验结果表明，所提模型的预测结果达到95.04%，验证了本文方法的有效性。

关键词：智能交通,疲劳检测,倒立摆模型,面部关键点,头部姿态

基金资助：甘肃省科技计划(21JR7RA303)；甘肃省教育厅高校教师创新基金 (2023A-039)；兰州交通大学青年科学基金(2020002)。