农机驾驶人员疲劳驾驶行为检测研究

在播种与收获季节,农机驾驶人员经常不分昼夜不顾疲劳地作业,极其容易发生安全事故。目前对疲劳驾驶的检测方法主要分为接触式(例如直接采集农机驾驶人员身体特征信息)与非接触式(例如拍摄农机驾驶人员面部视频信息检测疲劳状态)两种。针对两种方式中存在使用不方便和检测不准确问题,提出一种使用Haar-like特征加Adaboost算法训练出多个弱分类器组合成的强分类集合检测人脸方法,基于卷积神经网络模型将农机驾驶人员脸部分为闭眼、正常及非人脸的概率值,使用PERCLOS方法检测疲劳状态。嵌入式平台仿真实验表明,本文采用的Adaboost+CNN+PERCLOS方法准确率可达95.1%。