摘要
本发明涉及道路交通领域,尤其涉及一种多特征融合的疲劳驾驶检测方法及疲劳驾驶检测系统。方法包括:从驾驶员的人脸图像中提取面部特征;从驾驶员驾驶车辆的车辆行驶参数中提取车辆特征;融合面部特征和车辆特征判断驾驶员是否疲劳驾驶。通过设计CNN模型提取面部特征:基础卷积特征提取;局部卷积特征提取;全局卷积特征提取;池化操作;聚合全局特征;降维映射。通过设计自编码器提取车辆特征:采用对称式深度神经网络结构,通过非线性映射将高维时序数据压缩至低维潜在空间。本发明通过CNN模型和自编码器的组合搭配,彻底解决现有多特征融合的疲劳驾驶检测系统存在特征冗余与噪声干扰、信息损失与次优决策的技术缺陷。
技术关键词
疲劳驾驶检测方法
卷积特征提取
疲劳驾驶检测系统
车辆行驶参数
融合面部特征
深度神经网络结构
编码器
二次特征
驾驶员疲劳状态
检测人脸图像
非线性
数据压缩
像素
关键点
重构
节点
解码器
系统为您推荐了相关专利信息
测试设备
轮胎胎面
流体压力测试系统
压力测试方法
车辆行驶参数
医学图像分割方法
融合特征
局部空间特征
通道注意力机制
上采样
卷积特征提取
线性分类器
旋转机械设备
语义
故障诊断模型
激光扫描三维成像
稀疏深度图
卷积特征提取
语义特征
多通道
故障诊断方法
计算机设备
无监督
特征提取器
设备运行数据