王琪，唐阳山

基于MTCNN的驾驶员疲劳检测方法

王琪，唐阳山

（辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001）

驾驶疲劳是引发交通事故的重要原因之一。研究驾驶疲劳检测算法对提高道路交通安全性和人类生命财产安全具有重要意义。为此，文章提出了一种基于MTCNN的疲劳检测方法。通过对人脸图像进行处理，使MTCNN算法得到优化，然后通过训练样本进行实验验证，证实了算法对实际的驾驶疲劳检测的有用性。

疲劳检测；图像金字塔；MTCNN；卷积神经网络

引言

近些年来，随着生活水平的不断提高，机动车保有量连年增长，车祸致死的数目随之增加。据相关调查表明，驾驶疲劳是诱发交通事故的重要原因之一[1]。因此，为了更好地避免驾驶疲劳所带来的生命财产损失，提高驾驶安全性，研究一种能够及时有效的驾驶疲劳检测方法具有十分重要的意义。目前的检测方式大致分为三种：第一种方式是根据车辆行驶状况进行检测[2]。第二种方式，监测驾驶人员的生理信号，主要包含脑电信号、心电信号、肌电信号等[3]。第三种方式，根据驾驶员的面部特征进行检测，包括眼部、嘴部特征以及头部姿态等[4]。

随着人工智能技术的不断发展，诸多研究学者们开展了基于深度学习的驾驶疲劳检测研究[5]。大多数是在获取人脸特征参数之后，将特征图像输入到已经训练好的网络模型中进行检测。但由于实际的行车过程中，车外的行驶环境、车内光照条件以及驾驶人复杂多变的驾驶姿态，对检测方法的准确性和实时性要求很高。……