文件大小：1.07M
摘要：针对驾驶员疲劳检测方法中存在面对光照变化或复杂背景时人脸检测精度下降的局限性，提出一种改进的MTCNN网络。通过对MTCNN网络进行优化，在三个子网络中均引入坐标注意力机制和批量归一化算法，提高模型对驾驶员面部的定位精度，提升网络的收敛速度和稳定性，并增强对过拟合的抑制。实验结果表明：改进MTCNN模型在疲劳驾驶数据集上的准确率达到了98.78%，比原模型提高了2.43%，且模型参数量仅为0.5M，具有良好的人脸检测精度和可部署性。此外，将改进MTCNN模型与PFLD模型结合，根据实验设定了合理的疲劳参数阈值，并实现了较为准确的疲劳驾驶检测。
文章目录
0 引 言
1 疲劳检测方法
1.1 基于驾驶员生理特征的疲劳检测方法
1.2 基于车辆驾驶信息的疲劳检测方法
1.3 基于驾驶员面部特征的疲劳检测方法
2 MTCNN模型
3 改进的MTCNN模型
3.1 结合坐标注意力机制的MTCNN
3.2 结合批量归一化的MTCNN
4 实验结果与分析
4.1 数据集与评价指标
4.2 实验环境
4.3 实验结果与分析
5 面部关键点检测与疲劳检测
5.1 眼部疲劳特征提取方法
5.2 眼部疲劳特征提取方法
5.3 嘴部疲劳特征提取方法
5.4 疲劳判定实验与分析
6 结论
