杜虓龙，余华平

（长江大学计算机科学学院，湖北荆州 434023）

0 引言

随着汽车的普及，行车安全问题逐渐进入了大家的视野。2019 年，全国共发生道路交通事故238 351 起，造成67 759 人死亡、275 125 人受伤，直接财产损失9.1 亿元，其中21% 是疲劳驾驶导致的车祸，可见疲劳驾驶是导致车祸的重要因素［1］。近年来，通过机器学习对驾驶人进行自动判断并且作出反应的智能系统变成了研究的主流，主要研究内容便是对驾驶人的违规驾车行为进行判断，如未佩戴安全带、开车时抽烟、接电话、注意力不集中和疲劳驾驶等问题。

目前，国内对于该领域的研究主要存在于高校，国外对于违规驾驶的研究主要集中在大学与科研院所。例如美国研制的瞌睡预警系统，该系统根据PECLOS 算法［2］对驾驶员进行疲劳判断，而PECLOS 算法如今也是最常用的疲劳检测算法。此外，还有利用红外获取人类眼球特征［3］，再对驾驶员的眼球状态进行检测以判断是否为疲劳驾驶方法等。这些方法的基础是人面部动作识别［4］。图像识别［5］算法有许多，当前面部动作识别领域最常用的技术之一是卷积神经网络（Convolutional Neural Networks，CNN）［6］，但是传统卷积神经网络存在识别速度慢、识别流畅度低等缺点；还有YOLO3［7］算法，使用YOLO3 算法识别物体不仅速度快，准确率也很高，不过对于面部识别而言并不太适合；利用脑电传感器检测面部动作表情的研究［8］，虽然可以实现高精度的面部动作分类，但是实现过程相对复杂，资源消耗较高，无法快速普及。

鉴于此，本文在单一CNN 网络基础上，增加了一个多任务卷积神经网络（Multi-Task Convolutional Neural Net⁃work，MTCNN）。……