疲劳检测方法总结_计算机视觉

原文链接：https://arxiv.org/abs/1902.10859v1
代码：https://github.com/polarisZhao/PFLD-pytorch

论文名称

• • Drowsy Driver Detection Using Two Stage Convolutional Neural Networks
  • Visual-based Real Time Driver Drowsiness Detection System Using CNN
  • Driver Drowsiness Detection Based on Joint Monitoring of Yawning, Blinking and Nodding

Drowsy Driver Detection Using Two Stage Convolutional Neural Networks

1. Face Detection uses YOLO-V3
2. Drowsy Classification
   • 使用Inception-v3网络对闭眼数据训练，认为闭眼就是疲劳。对疲劳分类就定义为对睁眼和闭眼分类。
   • 数据集（包括睁眼和闭眼图像）：CEW；提取Nth-DDD数据集中一些视频帧作为一个数据集；自己创建的数据集；
   • 准确率80.32%, 79.34%and 89.90%

Visual-based Real Time Driver Drowsiness Detection System Using CNN

1. Face Detection Viola&Jones算法
2. Drowsy Classification
   • 疲劳定义：自己设计浅层cnn网络判断是否闭眼，如果“闭眼”持续超过4个连续帧，系统将确定驾驶员处于睡眠状态
   • 数据集：我们将Nth-DDD数据集视频序列的每一帧标记为“闭上眼睛”或“睁开眼睛”。总共有4620张人脸图像被标记，其中2310张是“闭着眼睛”的，2310张是“睁开眼睛”的。 准确率98.95%

Driver Drowsiness Detection Based on Joint Monitoring of Yawning, Blinking and Nodding

1. Face Detection Viola&Jones算法
2. Drowsy Classification
   • 疲劳定义：根据人脸关键算法算出，EAR，MAR，头部动向三个特征，将三个特征放在MLP，K近邻算法中做各种疲劳行为的分类，比如疲劳，闭眼，打哈欠，点头。