李京徽， 郭昕刚

(长春工业大学 计算机科学与工程学院， 吉林 长春 130012)

0 引 言

随着汽车数量的快速增长，交通事故越来越多，给出行带来了巨大的安全隐患。为了最大限度地减少交通事故的发生，政府最近出台了多种相关政策，并取得了显著成效。现阶段，交通事故依然威胁着人们的生命安全。例如，缺乏道路安全驾驶意识、酒后驾驶和疲劳驾驶是导致交通事故的主要因素，其中，疲劳驾驶占交通事故原因的14%，占交通事故的20%，在重大交通事故中约占43%，在大型卡车和公路交通事故中约占37%[1]。现在大多采用基于驾驶者面部特征的疲劳驾驶检测方法，但以这种方法进行特征提取的时候存在误差,导致提取效率不高，并且精度低和鲁棒性差，而且在之后的疲劳判定中，评判参数单一。针对以上问题，文中提出一种以人脸多特征融合的检测疲劳驾驶算法。

1 人脸检测与定位

能准确、快速进行人脸检测定位是疲劳驾驶检测的首要任务，因为检测结果关乎到算法的性能。而在不断行驶中，驾驶员的人脸可能受光照、姿势或者遮挡等因素的影响，图像特征可能无法采集，从而降低了预定特征方法的鲁棒性和可靠性。

1.1 基于YOLOv3-tiny的人脸检测

YOLO(You Only Look Once)模型是一种基于深度学习的快速检测模型[2]。而文中所使用的YOLOv3-tiny则是YOLOv3的简化版。YOLOv3算法原理也很简单，即引入残差模型和FPN架构。而YOLOv3-tiny是在YOLOv3的基础上去掉一些特征层，只保留了2个独立预测分支，具体网络结构如图1所示。

图1 YOLOv3-tiny网络结构