登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
基于深度学习的疲劳状态识别算法
  • 摘要

    目前国内外的疲劳状态识别算法大多数是基于单一的、人为制定的疲劳状态特征实现的,且大部分算法结构复杂,效率比较低下,对驾驶员的个人行为习惯的适应性不强.为此,提出一种基于深度学习的疲劳状态识别算法,它引入深信度网络(DBN)来模拟输入图像数据分布,完成对疲劳特征的分层自动抽取,进而基于时间窗实现视频流图像的疲劳状态识别;同时,算法自适应调整网络学习率以减少网络预训练时间,采用反馈机制实现网络自进化,从而提高对用户个性化疲劳特征的适应性.实验结果表明,算法可以使网络获取到良好的疲劳特征,且误判率会随使用时间的增加而逐渐降低.

  • 作者

    周慧  周良  丁秋林  ZHOU Hui  ZHOU Liang  DING Qiu-lin 

  • 作者单位

    南京航空航天大学计算机科学与技术学院 南京210016

  • 刊期

    2015年3期 ISTIC PKU

  • 关键词

    疲劳状态识别  深度学习  深信度网络  疲劳特征  反馈机制  Fatigue recognition  Deep learning  DBN  Fatigue feature  Feedback mechanism 

3.235.29.190