【疲劳驾驶】Driver Fatigue Detection Based on Residual Channel Attention Network and Head Pose Estimation

概述:提出RCAN网络,用于识别眼睛和嘴巴的状态。将眼睛闭合率(PERCLOS)和嘴巴张开程度(POM)用于疲劳检测,并提出PnP方法估计人头姿态辅助疲劳检测。3D人头姿态估计和疲劳检测基于深度学习实现。

方法包含三个方面:人脸状态识别,人头姿态估计,和疲劳分析。首先使用Retinaface检测人脸,并标记人脸框、眼睛区域和嘴部区域。然后使用RCAN判断眼睛和嘴部区域的状态。并使用EPnP结合Retinaface生成的关键点估计人头姿态。整体架构如下图所示:
在这里插入图片描述
驾驶员疲劳检测
1.PERCLOS
单位时间内闭眼时间的比例
2.POM
单位时间内张嘴时间的比例
3.人头姿态角
使用队列机制保存RCAN的输出,队列的长度保持不变,队列的第一个值删掉并引入新的一帧的结果,并计算PERCLOS和POM。如果PERCLOS和POM超过阈值,则认为是疲劳状态,如果人头姿态角过大,应发出报警。

实验结果
数据库:CEW,DROZY,YawDD。
阈值:Perclos>0.32, POM>0.37,角度>20度。

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值