| 基于改进的深度卷积神经网络的人脸疲劳检测 |
| |
| 引用本文： | 冯文文,曹银杰,李晓琳,胡卫生.基于改进的深度卷积神经网络的人脸疲劳检测[J].科学技术与工程,2020,20(14):5680-5687. |
| |
| 作者姓名： | 冯文文 曹银杰 李晓琳 胡卫生 |
| |
| 作者单位： | 聊城大学物理科学与信息工程学院,聊城252059;山东省光通信科学与技术重点实验室,聊城252059;上海交通大学电子信息与电气工程学院,上海200240 |
| |
| 基金项目： | 国家自然科学基金项目（61431009）;“泰山学者”建设工程专项经费等资助 |
| |
| 摘 要： | 针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。
|
| 关 键 词： | 疲劳检测 含有方向的梯度直方图和级联分类器(HOG+SVM) 级联回归(ERT)算法 深度学习 卷积神经网络 中心损失 |
| 收稿时间： | 2019/8/20 0:00:00 |
| 修稿时间： | 2020/2/13 0:00:00 |
Face Fatigue Detection Based on Improved Deep Convolutional Neural Network |
| |
| Feng Wenwen,Cao Yinjie,Li Xiaolin,Hu Weisheng.Face Fatigue Detection Based on Improved Deep Convolutional Neural Network[J].Science Technology and Engineering,2020,20(14):5680-5687. |
| |
| Authors: | Feng Wenwen Cao Yinjie Li Xiaolin Hu Weisheng |
| |
| Abstract: | |
| |
| Keywords: | fatigue detection HOG+SVM ERT algorithm deep learning convolutional neural network center loss |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
