公开(公告)号：CN116012819A

公开(公告)日：2023-04-25

申请号：CN202211614846.5

申请日：2022-12-14

Applicant: 重庆邮电大学

Inventor： 刘伯红 ,  谢小金

IPC: G06V20/59 ,  G06V10/764 ,  G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06N3/049 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0442

Abstract: 本发明涉及一种融合时空特征的疲劳驾驶检测方法，属于疲劳驾驶领域。针对现有的疲劳驾驶检测方法忽略疲劳的时间特征，难以检测疲劳的动态和关键特征，使得疲劳检测的准确性不高等问题，提出了一种融合空间特征和时间特征的疲劳驾驶检测方法。首先将目标驾驶视频采用多任务卷积神经网络进行人脸检测，提取驾驶员全局人脸的深层疲劳空间特征，然后采用LSTM‑FCN网络来研究疲劳视频帧序列之间的长期依赖关系，提取疲劳的时间特征，最终完成疲劳驾驶的检测。该方法探索了连续疲劳视频帧之间的潜在非线性关系，疲劳驾驶检测的准确率较高，并且能够实时检测，有效进行疲劳判断。