论文部分内容阅读
基于面部特征的疲劳驾驶检测算法通常效果较好,但其特征提取大都基于人脸检测实现,设计了一种基于深度学习的多特征融合疲劳驾驶检测系统,该系统基于深度卷积神经网络,采用开源的深度学习框架搭建网络,自制数据集,完成人眼与嘴巴标注并用于网络训练。通过对比试验,训练后的网络能够适应复杂外部干扰,解决了传统算法对头部姿态和面部遮挡鲁棒性差的问题,能有效识别疲劳状态,在测试集中总体准确率能到96%。