基于面部表情的实景嗜睡检测
计算机视觉与模式识别
2020-10-22 v1
摘要
在嗜睡状态下驾驶是道路事故的一个主要原因,对生命和财产造成巨大损害。开发鲁棒、自动、实时的系统以推断驾驶员嗜睡状态具有挽救生命的潜在影响。然而,开发在真实场景中表现良好的嗜睡检测系统具有挑战性,因为难以收集大量真实嗜睡数据并建模不断演化的嗜睡状态的复杂时间动态。本文提出一种数据收集协议,为夜班工人的车辆装备摄像套件,在其驾驶时记录面部。我们制定嗜睡标注指南,使人工能将所收集视频标注为4级嗜睡:“清醒”、“轻度嗜睡”、“中度嗜睡”和“极度嗜睡”。我们尝试不同的卷积与时间神经网络架构,从驾驶员面部输入视频的姿势、表情和基于情绪的表示中预测嗜睡状态。我们的最佳模型达到0.78的宏ROC-AUC,而基线模型为0.72。
引用
@article{arxiv.2010.11162,
title = {In-the-wild Drowsiness Detection from Facial Expressions},
author = {Ajjen Joshi and Survi Kyal and Sandipan Banerjee and Taniya Mishra},
journal= {arXiv preprint arXiv:2010.11162},
year = {2020}
}
备注
Paper from HSIM Workshop at IEEE Intelligent Vehicles Symposium 2020 (IV2020)