董小明 李昌乐 迟志诚 陈一凡
摘 要:提出了基于驾驶员脸部及周围信息的驾驶员状态检测方法。文章通过实车摄像头采集了驾驶员驾驶状态视频数据,利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,基于驾驶员脸部数据建立了深度学习数据集,然后基于该数据集设计了一种卷积神经网络模型FaceNet,利用PyTorch深度学习框架在数据集上对模型进行训练,最终得到了有较高准确率的驾驶员状态检测模型,其可识别抽烟、睡觉、左手打电话和右手打电话四种驾驶员状态。
关键词:安全驾驶;驾驶员状态;卷积神经网络
中图分类号:U471 文献标识码:A 文章编号:1671-7988(2020)03-99-04
前言
在汽车智能化的发展中,驾驶员状态的智能检测在安全驾驶领域也越来越重要。据国家统计局资料显示,在2016年中国发生交通事故中由驾驶员人为过失导致的交通事故占所有交通事故的90%以上。驾驶员危险驾驶和疲劳驾驶等不规范驾驶行为直接或者间接导致交通事故的发生。
通过摄像头获取驾驶员驾驶状态的计算机视觉方法是一种有效的识别技术,深度学习算法可以大大提高驾驶行为识别的精度。但传统的方法是基于整个采集的图像作为深度学习算法的输入,而驾驶员状态主要集中在脸部及周围信息,所以传统方法的模型学习到的信息不集中,且模型参数较大,本文基于此提出了驾驶员脸部及周围信息的驾驶员状态检测方法。
1 人脸检测
1.1 算法设计
本文首先通过实车摄像头采集了驾驶员驾驶状态视频数据,由于采集的图像中驾驶员信息主要集中在驾驶员脸部及周围,所以利用Dlib和OpenCV库对采集的驾驶员图像进行脸部检测,从而获得驾驶员脸部图像数据。……