融合机器视觉与高精度定位的高速公路疲劳驾驶行为检测方法 |
| |
作者姓名: | 孙健 唐旭 徐永能 苗梦格 |
| |
作者单位: | 1. 江苏宁杭高速公路有限公司;2. 南京理工大学自动化学院;3. 中国电子科技集团公司第二十八研究所 |
| |
基金项目: | 国家重点研发计划政府间国际科技创新合作重点专项项目(2019YFE0123800);;国家自然科学基金项目(52072214); |
| |
摘 要: | 为提高高速公路场景下疲劳驾驶检测的准确率,降低在驾驶员面部易受遮挡、光线复杂的驾驶舱内的疲劳驾驶检测的误判率,提出一种兼顾检测精度与实时性、结合高精度定位与机器视觉的高速公路疲劳驾驶行为检测方法。首先,使用多任务卷积神经网络与FaceNet算法实现驾驶员身份识别,运用改进的实用面部特征点检测器(Practical Facial Landmark Detector, PFLD)算法检测人脸关键点。然后,考虑视频设备工作状态不稳定对疲劳驾驶行为识别产生干扰的场景,基于行驶车辆的轨迹数据,提出纵向位移波动斜率(Slope of Longitudinal Displacement Fluctuation, SLDF),以弥补单一视频设备检测易受光线、遮挡等干扰因素影响的缺陷。随后,使用SLDF指标和3个面部疲劳特征识别疲劳驾驶,并在传统支持向量机(Support Vector Machines, SVM)中加入量子粒子群优化算法,提升SVM分类准确度和缩短运算时间。最后,为验证模型性能进行实车试验,结果表明,复杂场景下疲劳驾驶识别准确率达86.8%,计算时间为3.017 s,与现有其他数据融合...
|
关 键 词: | 交通安全 人脸识别 疲劳驾驶 数据融合 高精度定位 疲劳驾驶检测 |
|