原文传递
基于深度学习的船舶驾驶员疲劳检测算法
| 题名： | 基于深度学习的船舶驾驶员疲劳检测算法 |
| 作者： | 王鹏;神和龙;尹勇;吕红光 |
| 作者单位： | 大连海事大学航海动态仿真和控制交通行业重点实验室;大连海事大学航海学院 |
| 关键词： | 交通安全;疲劳检测;RetinaFace；ShuffleNetV2；PERCLOS准则 |
| 摘要： | 针对日益凸显的船舶值班人员疲劳驾驶问题,为有效预警值班驾驶员的疲劳状态,保障船舶航行安全,研究了基于深度学习的疲劳检测算法。考虑到船舶驾驶台空间大、背景复杂等特点,使用深度可分离卷积改进Retina Face人脸检测模型,优化模型的检测速度;基于Channel Split和Channel Shuffle思想,结合批量归一化、全局平均池化等技术搭建改进的Shuffle NetV2网络,自动提取图像特征,识别眼睛、嘴巴的开闭状态;根据PERCLOS准则融合眼睛、嘴巴2个特征参数综合判定驾驶员是否疲劳。实验结果表明:改进后Retina Face模型的检测速度由9.33帧/s提升至22.60帧/s,人脸检测精度和速度均优于多任务卷积神经网络(MTCNN):改进的Shuffle NetV2网络识别眼睛、嘴巴状态的准确率高达99.50%以上;算法在模拟驾驶台环境中识别疲劳状态的精确率达到95.70%,召回率达到96.73%,均高于目前常见的Haar-like+Adaboost以及MTCNN+CNN疲劳检测算法。算法检测每帧图片仅需0.083s,基本满足实时检测的要求。 |
| 期刊名称： | 交通信息与安全 |
| 出版日期： | 202201 |
| 出版年： | 2022 |
| 期： | 01 |
| 页码： | 63-71 |
检索历史
应用推荐
