基于时序性面部动作信息的驾驶员状态检测框架

摘要: 在安全驾驶领域，驾驶员的身心状态对于交通安全至关重要。通过网络摄像头获取驾驶员面部视频输入网络进行检测，是检测疲劳等异常驾驶的有效手段。之前的方法主要通过分析驾驶员口型等面部表情来分析是否打哈欠，从而判断是否疲劳驾驶，因此说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架，对驾驶员状态进行检测，从而提高检测准确率、降低误检率。该框架主要包含两个关键部分：a）通过检测视频中的脸部轮廓，提取脸部的多种特征，形成面部动作单元；b）通过训练对应的LSTM网络，形成时序性的面部动作单元，根据其相关性进行多种动作单元融合，检测最终驾驶员的状态。在公共YAW-DD数据集上的检测结果表明，相比于现有的方法，准确率提高到了93.1%，同时大幅降低了疲劳状态的误检率。