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
- Face Detection uses YOLO-V3
- 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
- Face Detection Viola&Jones算法
- 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
- Face Detection Viola&Jones算法
- 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。