向AI转型的程序员都关注了这个号👇👇👇

1 课题背景

2 实现目标

经查阅相关文献，疲劳在人体面部表情中表现出大致三个类型：打哈欠（嘴巴张大且相对较长时间保持这一状态）、眨眼（或眼睛微闭，此时眨眼次数增多，且眨眼速度变慢）、点头（瞌睡点头）。本实验从人脸朝向、位置、瞳孔朝向、眼睛开合度、眨眼频率、瞳孔收缩率等数据入手，并通过这些数据，实时地计算出驾驶员的注意力集中程度，分析驾驶员是否疲劳驾驶和及时作出安全提示。

3 当前市面上疲劳驾驶检测的方法

学长通过对疲劳驾驶在不同方法下研究进展的分析， 可以更清晰的认识的到当下对该问题较为有效的判定方法。根据研究对象的不同对检测方法进行分类， 具体分类方法如图

劳特征信息， 比较直观的特征有：打哈欠， 眨眼， 低头等。

4 相关数据集

学长收集的疲劳检测数据集

驾驶疲劳人脸数据库图片来源分为 3 部分， 每部分均包含疲劳、 轻度疲劳和非疲劳三种精神状态类别。样本数据库共 4800 张图像， 其中疲劳状态有 1622 张数据样本， 轻度疲劳有 1506 张数据样本， 非疲劳状态有 1618 张数据样本。各部分数据结构如下：网络采集部分疲劳包含 435 张样本图片， 轻度疲劳状态包含 430 张样本图片， 非疲劳状态包含 432 张样本图片， 共 1297 张样本数据图像；视频数据库采集部分疲劳状态包含 1037张样本图像， 轻度疲劳状态包含 1030 张样本图片， 非疲劳状态包含 1036 张样本图片，共 3103 张样本数据图像；

5 基于头部姿态的驾驶疲劳检测 5.1 如何确定疲劳状态

• 思路一：可利用姿态估计结果（如Pitch的读数）来判断是否点头及点头幅度
• 思路二：或用鼻尖处30号点的前后移动值（或是方差，方差表示一个单位时间数据的偏离程度，程度越大，则表示发生点头动作的概率越大、点头幅度越大）

5.2 算法步骤

• 第一步：2D人脸关键点检测；
• 第二步：3D人脸模型匹配；
• 第三步：求解3D点和对应2D点的转换关系；
• 第四步：根据旋转矩阵求解欧拉角。

5.3 打瞌睡判断

头部姿态判断打瞌睡得到实时头部姿态的旋转角度过后,为头部旋转角度的3个参数Yaw,Pitch和Roll的示意图,驾驶员在打瞌睡时，显然头部会做类似于点头和倾斜的动作.而根据一般人的打瞌睡时表现出来的头部姿态，显然很少会在Yaw上有动作，而主要集中在Pitch和Roll的行为.设定参数阈值为0.3,在一个时间段内10 s内，当I PitchI≥20°或者|Rolll≥20°的时间比例超过0.3时,就认为驾驶员处于打瞌睡的状态,发出预警。

6 基于CNN与SVM的疲劳检测方法

6.1 网络结构

根据对卷积神经网络的描述， 这里设计使用的网络结构为：输入层、 二层卷积层、 二层池化层、 二层全连接层以及 SVM 分类器组成的卷积神经网络对采集数据进行实验。

6.2 疲劳图像分类训练

疲劳驾驶检测需对网络进行训练， 在保证网络训练准确率达到一定精度后即可对图像进行判别；疲劳驾驶网络训练算法过程如下：

Step1：网络初始化：初始化网络学习率η， 在数值范围[0， 1]中随机初始化网络参数权值及偏置值；设置网络结构：卷积核大小为 5×5， 每批次样本数量 20；

Step2：随机选择数据库内面部表情图像并依次输入网络， 网络按照送入每一批次的图像进行训练；

Step3：网络将训练得到的输出值同图像期望值进行比较， 计算出输出误差；

Step4：根据反向传播原理将误差反向传播计算， 并调整网络参数权值和偏置值；

Step5：判断迭代次数， 达到期望的迭代步数后转到 Step6， 否则转到 Step3；

Step6：将 CNN 提取到的图像特征传入 SVM 中进行训练；

Step7：结束。

6.3 训练结果

模型测试结果

机器学习算法AI大数据技术

搜索公众号添加： datanlp

阅读过本文的人还看了以下文章：

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

《深度学习：基于Keras的Python实践》PDF和代码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

搜索公众号添加： datayx