基于集成卷积神经网络在 YawDD 上的驾驶员 drowsiness 检测
计算机视觉与模式识别
2021-12-21 v1
摘要
利用视频/图像进行驾驶员 drowsiness 检测是当今驾驶员安全领域最关键的课题之一。深度学习技术，特别是卷积神经网络（CNN）的发展，应用于计算机视觉任务（如 drowsiness 检测），由于近几十年来技术的巨大进步已展现出 promising 结果。闭眼或过度眨眼、打哈欠、点头和遮挡都是 drowsiness 的关键表现。本工作中，我们在 YawDD 数据集上应用了四种不同的卷积神经网络（CNN）技术，以根据特定姿态与遮挡变化下的打哈欠频率检测并考察 drowsiness 程度。初步计算结果表明，我们提出的集成卷积神经网络（ECNN）优于传统基于 CNN 的方法，取得了 0.935 的 F1 分数，而另外三种 CNN（如 CNN1、CNN2 和 CNN3）方法分别获得了 0.92、0.90 和 0.912 的 F1 分数。
引用
@article{arxiv.2112.10298,
title = {Driver Drowsiness Detection Using Ensemble Convolutional Neural Networks on YawDD},
author = {Rais Mohammad Salman and Mahbubur Rashid and Rupal Roy and Md Manjurul Ahsan and Zahed Siddique},
journal= {arXiv preprint arXiv:2112.10298},
year = {2021}
}