原创 人脸疲劳检测

疲劳识别是道路交通领域的重要研究方向。如果能够及时发现驾驶员的疲劳状态，就可以避免许多交通事故。

1疲劳检测方法

第一种是基于短期疲劳驱动的心电信号检测算法，但是这种方法需要专业的设备，在现实生活中装饰的可能性较小。第二种是基于机器视觉的疲劳识别方法。传统的疲劳识别方法通常通过类似haar的特征来检测脸部位置，然后通过计算眼睛的纵横比来描述睁眼的程度以判断疲劳状态。综上所述，疲劳识别中有两个问题需要解决：1）检测速度慢； 2）单个特征的识别结果不可靠。目标检测算法分为两类：两阶段和一阶段。两阶段检测算法分为两个阶段：首先，生成区域建议，然后对候选区域进行分类。

2基于感觉场卷积神经网络的特征

提取网络在图像分类任务中取得了良好的效果，主要是因为网络可以在多个卷积层之后提取丰富的特征。与多层感知器相比，卷积神经网络的参数和计算量大大减少。另外，卷积层通过滑动窗口扫描输入层，而无需对输入层进行矢量化处理，而保留输入层的几何特征，因此生成的特征图更加有意义。

3聚类检测框架

传统的面部检测算法在复杂的场景下其鲁棒性较差。深度学习在这方面具有很大的优势。复杂的背景会影响算法的准确性，因此需要先修剪面部然后再进行判断。