上海工程技术大学电子电气工程学院
纸质出版:2022
移动端阅览
陈藩, 施一萍, 胡佳玲, 等. 基于卷积神经网络的学生课堂疲劳检测算法[J]. 传感器与微系统, 2022,(6):153-156.
基于卷积神经网络的学生课堂疲劳检测算法[J]. 2022, (6): 153-156.
陈藩, 施一萍, 胡佳玲, 等. 基于卷积神经网络的学生课堂疲劳检测算法[J]. 传感器与微系统, 2022,(6):153-156. DOI: 10.13873/J.1000-9787(2022)06-0153-04.
基于卷积神经网络的学生课堂疲劳检测算法[J]. 2022, (6): 153-156. DOI: 10.13873/J.1000-9787(2022)06-0153-04.
为了提高教学质量,需要对学生的课堂状态进行判断,找出处于疲劳的学生;然而传统的卷积神经网络不能同时保证检测的实时性和准确性。为此,提出一种改进的多任务级联神经网络(MTCNN)来实现疲劳检测。首先,通过MTCNN实现人脸关键点定位;其次,提出一种基于多任务约束学习的眼部精准定位方法;并将常规的激活函数ReLU替换为Leaky ReLU避免了神经元失活的影响;接着,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,利用训练好的模型,结合相应的判断标准实现疲劳检测。实验结果表明:本文方法的准确率达到了95.7%
同时实时性也得到了极大的改善。
为了提高教学质量,需要对学生的课堂状态进行判断,找出处于疲劳的学生;然而传统的卷积神经网络不能同时保证检测的实时性和准确性。为此,提出一种改进的多任务级联神经网络(MTCNN)来实现疲劳检测。首先,通过MTCNN实现人脸关键点定位;其次,提出一种基于多任务约束学习的眼部精准定位方法;并将常规的激活函数ReLU替换为Leaky ReLU避免了神经元失活的影响;接着,构建眼、嘴数据集,完成眼、嘴部状态分类模型训练;最后,利用训练好的模型,结合相应的判断标准实现疲劳检测。实验结果表明:本文方法的准确率达到了95.7%
同时实时性也得到了极大的改善。
一种改进的多通道特征视觉跟踪算法 [J]. 陈建伟,贺继林. 传感器与微系统 . 2020(03)
基于视频监控的人脸识别软件的设计研究 [J]. 孙家维. 自动化技术与应用 . 2019(12)
基于多尺度池化卷积神经网络的疲劳检测方法研究 [J]. 顾王欢,朱煜,陈旭东,郑兵兵,何林飞. 计算机应用研究 . 2019(11)
基于面部行为分析的驾驶员疲劳检测方法 [J]. 耿磊,袁菲,肖志涛,张芳,吴骏,李月龙. 计算机工程 . 2018(01)
基于新Haar-like特征的Adaboost人脸检测算法 [J]. 江伟坚,郭躬德,赖智铭. 山东大学学报(工学版) . 2014(02)
基于FPGA的多特征融合司机疲劳状态检测系统设计 [J]. 曲仕茹,彭纪昌. 传感器与微系统 . 2013(05)
一种基于模糊逻辑的实用睡意检测方法 [J]. 刘瑾奕,张冬茉,申丽萍. 计算机应用与软件 . 2008(04)
驾驶员眼睛疲劳状态检测技术研究 [J]. 于兴玲,王民,张立材. 传感器与微系统 . 2007(07)
基于深度学习的驾驶员疲劳状态检测研究 [D]. 曾鸽. 湖南大学 2018
Joint Face Detection and Alignment Using Multitask Cascaded Convolutional Networks. [J] . Kaipeng Zhang,Zhanpeng Zhang,Zhifeng Li,Yu Qiao 0001. IEEE Signal Process. Lett. . 2016 (10)
Eyes closeness detection from still images with multi-scale histograms of principal oriented gradients [J] . Fengyi Song,Xiaoyang Tan,Xue Liu,Songcan Chen. Pattern Recognition . 2014 (9)
0
浏览量
503
下载量
2
CSCD
关联资源
相关文章
相关作者
相关机构
京公网安备11010802024621