基于卷积神经网络的疲劳驾驶识别

摘要：

机组人员疲劳驾驶是引发航空事故的原因之一.现有的研究缺少将脸部信息融合的疲劳表情识别,对疲劳表情识别可有效提高疲劳驾驶识别准确率.根据卷积神经网络的基本结构,将卷积核大小为1×1的卷积层加在输入层之后,让网络深度增加、提高特征学习能力、增加输入数据的非线性表示,同时对计算量基本无负面影响,采用线性修正函数ReLU作为激励函数解决模型在训练中梯度消失问题,提出了一种改进的卷积神经网络模型.基于LFW数据集筛选出正常、说话、疲劳3种状态表情,对其进行预处理建立疲劳表情数据集.训练完成的CNN模型对自建疲劳表情数据集实验识别准确率为88.3％,平均识别时间为20ms,与传统疲劳驾驶识别方法相比具有准确率高和实时高效的优点.与未改进的卷积神经网络相比,识别准确率提高了 5.02％.

关键词：深度学习、卷积神经网络、疲劳表情数据集、疲劳表情识别

所属期刊栏目：52

分类号：V328.3;TP391.4(航空飞行术)

资助基金：航空科学基金20200033052001

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：60-63,68