郭克友，马丽萍，胡 巍

北京工商大学 材料与机械工程学院，北京100048

1 引言

据统计，在交通事故中，由于驾驶员失误导致的交通事故占据92%～95%[1]。而其中疲劳驾驶和注意力分散是驾驶员在驾驶过程中面临的最危险的驾驶状态。因此对驾驶员驾驶状态进行有效检测，对于防范交通事故的发生有着重要的作用。面部朝向特征作为驾驶员特征检测中的重要组成部分，在驾驶员精神状态判断中占有重要地位。面部特征点定位是计算机视觉中的重要问题，因为许多视觉任务依赖于准确的面部特征点定位结果，如面部识别、面部表情分析、面部动画等。虽然近几年面部特征点定位被广泛研究，并且得到了巨大的成功，但是由于部分遮挡、光照、较大的头部旋转和夸张的表情变化等因素，导致人脸图像具有复杂多样性，因此驾驶员面部特征点定位仍然面临着巨大的挑战。

在人脸特征点定位的研究领域，目前主流的方法大致可以分为基于深度学习的人脸特征点定位方法和基于回归的人脸特征点定位方法[2]。基于回归的人脸特征点定位方法是近几年的一个研究方向，可以看作是主动形状模型（Active Shape Model，ASM）[3]算法相关改进的另外一个方向，就是对形状模型本身的改进。基于深度学习的人脸特征点定位方法是近两三年以来的一个研宄方向。深度学习在语音识别、图像识别和自然语言处理方面取得了重大进展，特别是卷积神经网络（Convolutional Neural Network，CNN）在特征提取方面有着卓越的性能。……