买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州电子科技大学

摘要：本发明公开了基于MobileNet‑V3的疲劳驾驶状态检测方法。现有疲劳检测方法中采用的MTCNN网络模型的速度较慢。本发明方法首先构建改进的MTCNN网络模型，然后利用改进的MTCNN网络模型对需检测的视频数据集进行逐帧人脸检测，提取面部特征区域；使用预训练后的MobileNet‑V3模型分别识别面部特征区域，通过PERCLOS算法计算检测时间内眼睛闭合持续时间占检测时间的比值，再另计算打哈欠的次数；设定权重，计算疲劳值，与设定阈值比较得到疲劳状态。本发明方法在移动端上具有较好的性能，可以有效检测出驾驶过程中驾驶员的疲劳状态，提高了驾驶安全性。

主权项：1.基于MobileNet-V3的疲劳驾驶状态检测方法，其特征在于，该方法具体是：步骤1构建改进的MTCNN网络模型；用深度可分离卷积替代MTCNN网络模型中的传统卷积，激活函数PRELU替换为h-swish，在R-Net，O-Net全连接层后添加Dropout层；改进的MTCNN网络模型包括P-Net、R-Net、O-Net三个子网络；步骤2利用改进的MTCNN网络模型对需检测的视频数据集进行逐帧人脸检测，提取面部特征区域；2-1首先对原始图片进行预处理：将原始图片缩放到不同尺寸，按照图片大小叠放，形成图像金字塔；2-2然后对每个尺寸的图片通过改进的MTCNN网络模型计算得到面部矩形框区域，以及五个关键点：左眼中心点E1xE1,yE1、右眼中心点E2xE2,yE2、鼻尖点NxN,yN、左嘴角点M1xM1,yM1、右嘴角点M2xM2,yM2；2-3裁剪出左眼区域、右眼区域和嘴部区域，作为提取的面部特征区域；步骤3使用预训练后的MobileNet-V3模型分别识别裁剪出的左眼区域、右眼区域、嘴部区域的状态，通过PERCLOS算法计算检测时间内眼睛闭合持续时间占检测时间的比值，再另计算打哈欠的次数，检测时间为1～3分钟；具体步骤如下：3-1使用公开的YawDD数据集与CEW数据集中的眼睛与嘴巴的样本训练MobileNet-V3模型；3-2用训练后的MobileNet-V3模型识别经改进的MTCNN模型裁剪出的眼睛区域和嘴部区域的状态，包括眼睛是否闭合，嘴巴是否闭合；3-3分别计算检测时间内眼睛闭合持续时间占检测时间的比值F1和打哈欠次数F2；打哈欠则是当算法检测到驾驶员嘴巴张开的帧数达到120帧时，记打哈欠一次；步骤4设定F1的权重α和F2的权重β计算疲劳值F＝α·F1+β·F2，α+β＝1，α＝0.05～0.2，将F与设定阈值τ比较得到疲劳状态，τ＝1～2；如果F＞τ，则表明处于疲劳驾驶状态，如果F≤τ，则表明处于正常驾驶状态。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于MobileNet-V3的疲劳驾驶状态检测方法