TY -的A2 -陈,北京盟- Chen长盟鑫,Guojiang盟——刘,玉玲AU -黄,俊威PY - 2021 DA - 2021/06/14 TI -驾驶员疲劳检测基于面部关键点和LSTM SP - 5383573六世- 2021 AB -近年来,疲劳驾驶一直是一个严重威胁交通安全,使疲劳检测的研究热点领域。研究疲劳识别改善交通安全具有重要意义。然而,现有的疲劳检测方法在检测精度和效率仍有改进空间。为了检测司机是否疲劳驾驶,本文提出一种疲劳状态识别算法。方法首先使用MTCNN(多任务卷积神经网络)来检测人脸,然后DLIB(一个开源软件库)是用于定位面部关键点提取每一帧的疲劳特征向量。多个帧的疲劳特征向量序列拼接成一个时间特性和发送到LSTM(长短期记忆)网络获得最终的疲劳特性值。实验表明,与其他方法相比,疲劳状态识别算法提出了在精度方面取得了更好的效果。该方法的平均精度的检测要点脸高达93%,运行时间是不到一半的普通DLIB方法。SN - 1939 - 0114 UR - https://doi.org/10.1155/2021/5383573 - 10.1155 / 2021/5383573摩根富林明安全和通信网络PB - Hindawi KW - ER