基于驾驶员面部特征的疲劳驾驶检测算法研究与应用.pdf

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景与意义1

1.2疲劳驾驶检测国内外研究现状1

1.2.1驾驶员生理信息检测方法2

1.2.2驾驶动作和车辆当前状态检测方法2

1.2.3驾驶员面部信息检测方法3

1.2.4疲劳驾驶检测方法对比分析4

1.3主要研究内容4

1.4章节结构安排5

第二章相关理论与技术7

2.1卷积神经网络基础7

2.1.1卷积层7

2.1.2激活函数8

2.1.3池化层8

2.1.4全连接层10

2.2目标检测算法10

2.2.1双阶段目标检测算法11

2.2.2单阶段目标检测算法12

2.3轻量化网络14

2.2.1MobileNet-V115

2.2.2MobileNet-V216

2.2.3MobileNet-V317

2.4本章小结17

第三章轻量化的人脸检测模型设计18

3.1模型设计思路18

3.1.1轻量化的人脸检测模型整体结构18

3.1.2轻量化模块19

3.1.3注意力机制模块21

3.2实验结果与分析22

3.2.1数据集及评价指标22

3.2.2数据预处理23

3.2.3实验结果和分析25

3.3本章总结28

第四章驾驶员疲劳驾驶判定29

4.1人脸疲劳特征提取29

4.1.1Dlib库29

4.1.2人脸特征点标记29

4.1.3眼部特征提取30

4.1.4嘴部特征提取31

4.2疲劳判定的依据32

4.2.1眼部特征疲劳判定32

4.2.2嘴部特征疲劳判定33

4.2.3特征融合疲劳判定33

4.3实验测试与分析34

4.3.1数据集34

4.3.2测试结果和分析35

4.4本章小结36

第五章疲劳驾驶检测预警系统设计37

5.1系统需求分析37

5.2系统实现相关技术37

5.2.1OpenCV37

5.2.2PyQt537

5.3开发环境38

5.4系统设计38

5.4.1系统架构设计38

5.4.2系统功能模块设计39

5.5功能实现及效果展示39

5.5.1疲劳检测功能40

5.5.2疲劳判定和预警功能41

5.5.3实时检测功能41

5.6本章总结42

第六章总结与展望43

6.1总结43

6.2展望43

参考文献45

在学期间取得的科研成果50

致谢51

摘要

交通安全问题与每个人的生活都密不可分，造成道路交通安全事故的一个主

要原因就是疲劳驾驶，如何有效检测和判定疲劳驾驶状态并进行合理疲劳预警，

已经成为科学研究的热点。传统的疲劳驾驶检测方法基于人体生理参数和驾驶员

行为判断，但这种方式易限于环境因素的影响。而基于人脸特征的检测方法准确

可靠，但是模型结构复杂，不能较好满足实际需求。本文提出了一种以面部特征

为基础的轻量化疲劳驾驶检测模型，并完成了疲劳驾驶检测预警系统设计。本文

完成的主要工作如下：

1Yolo-V4

（）设计了一种轻量化的人脸检测模型。该模型以为基本框架，

针对主干特征提取网络结构复杂且占用内存大的问题，利用轻量化网络

MobileNet-V3进行替换，经改进网络参数量减少70%。并且在加强特征提取网

络中使用深度可分离卷积进一步实现模型的轻量化。为了捕获重要的人脸信息，

引入注意力机制增强了网络在特征提取方面的能力。使用YawDD数据集经过训

练后可知，设计的模型平均分类精度可达97.58%，模型大小仅为12M，可以较

好的满足疲劳驾驶检测的实际需求。

（2）为了解决单一指标造成的疲劳驾驶状态判断不准确的问题，研究了一