一种基于深度学习的车载雷达驾驶员面部疲劳检测方法

本发明公开了一种基于深度学习的车载雷达驾驶员面部疲劳检测方法。首先，通过部署毫米波雷达采集目标真实数据，获取人体面部中频信号；其次，通过平均值相消算法(Mean Elimination,ME)和多序列变分模态分解算法(Multivariate Variational Mode Decomposition,MVMD)实现面部信号的降噪及分离；然后，通过能量占比选取有用的模态进行目标信号重构，进一步通过短时傅里叶变换(Short Time Fourier Transform,STFT)得到目标信号微多普勒特征图，以此构成原始数据集(Original Dataset,ODT)，再采用数据增强算法(With Mixup Au,WMA)进行数据扩展得到混合数据集；最后，搭建双流融合卷积神经网络(Two‑stream Feature fusion Convolutional Network,TFC‑Net)进行有效的疲劳检测，该方法在有效抑制噪声干扰的同时保证了疲劳检测的准确率。