计算机科学 ›› 2015, Vol. 42 ›› Issue (3): 191-194.doi: 10.11896/j.issn.1002-137X.2015.03.039
周 慧,周 良,丁秋林
ZHOU Hui, ZHOU Liang and DING Qiu-lin
摘要： 目前国内外的疲劳状态识别算法大多数是基于单一的、人为制定的疲劳状态特征实现的,且大部分算法结构复杂,效率比较低下,对驾驶员的个人行为习惯的适应性不强。为此,提出一种基于深度学习的疲劳状态识别算法,它引入深信度网络(DBN)来模拟输入图像数据分布,完成对疲劳特征的分层自动抽取,进而基于时间窗实现视频流图像的疲劳状态识别；同时,算法自适应调整网络学习率以减少网络预训练时间,采用反馈机制实现网络自进化,从而提高对用户个性化疲劳特征的适应性。实验结果表明,算法可以使网络获取到良好的疲劳特征,且误判率会随使用时间的增加而逐渐降低。
| [1] Correa A G,Orosco L,Laciar E.Automatic detection of drowsi-ness in EEG records based on multimodal analysis[J].Medical Engineering & Physics,2014,6(2):244-249 [2] Li G,Chung W Y.Detection of Driver Drowsiness Using Wavelet Analysis of Heart Rate Variability and a Support Vector Machine Classifier[J].Sensors,2013,3(12):16494-16511 [3] 李伟,何其昌,范秀敏.基于汽车操纵信号的驾驶人疲劳状态监测[J].上海交通大学学报,2010,4(2):292-295 [4] 张希波,成波,冯睿嘉.基于转向盘操作的驾驶人疲劳状态实时检测方法[J].清华大学学报:自然科学版,2010,0(7):1072-1076 [5] 李绍文,王江波.驾驶员疲劳检测系统研究[J].计算机工程与应用,2013,9(15):253-258 [6] Hinton G,Salakhutdinov R.Reducing the Dimensionality of Data with Neural Networks[J].Science,2006,3(5786):504-507 [7] 余凯,贾磊,陈雨强,等.深度学习的昨天、今天和明天[J].计算机研究与发展,2013,0(9):1799-1804 [8] Hinton G E,Osindero S.A Fast Learning Algorithm for Deep Belief Nets[J].Neural Computation,2006,8:1527-1554 [9] 刘建伟,刘媛,罗雄麟.玻尔兹曼机研究进展[J].计算机研究与发展,2014,1(1):1-16 [10] Hinton G.Trainging Products of Experts by Minimizing Contrastive Divergence[J].Neural Computation,2002,4(8):1771-1800 [11] Neal R M,Hinton G E.A View of the EM Algorithm that Justifies Incremental,Sparse and other Variants[M]∥Learning in Graphical Models,1998,5-368 [12] 蒋斌,贾克斌,杨国胜.人脸表情识别的研究进展[J].计算机科学,2011,8(4):25-31 [13] Dasgupta A,George A,Happy SL,et al.A Vision-Based System for Monitoring the Loss of Attention in Automotive Drivers[J].IEEE Transactions on Intelligent Transportation Systems,2013,4(4):1825-1838 [14] 张伟,夏利民,罗大庸.基于人脸运动信息和改进保局投影的疲劳识别[J].计算机科学,2010,7(11):265-267 [15] Cyganek B,Gruszczynski S.Hybrid computer vision system for drivers’ eye recognition and fatigue monitoring[J].Neural computation,2014,6(SI):78-94 [16] 孙树亮,林雪云.基于记忆的SVM相关反馈算法[J].计算机科学,2011,8(10):256-258 [17] 陈云华,余永权,张灵,等.基于面部视觉特征的精神疲劳可拓辨识模型[J].计算机科学,2013,0(2):284-288 |
| No related articles found! |
|
||
首页