-
题名基于面部动作和头部姿态疲劳检测方法
- 1
-
-
作者
刘子恒
焦良葆
孟琳
孙宏伟
魏小玉
-
机构
南京工程学院人工智能产业技术研究院江苏省智能感知技术与装备工程研究中心
-
出处
《计算机与数字工程》
2025年第3期821-828,共8页
-
基金
国家自然科学基金青年基金项目(编号:61903183)资助。
-
文摘
疲劳驾驶是现代交通事故重大成因之一,针对当下疲劳检测方法存在疲劳特征单一、鲁棒性低和眼部疲劳特征难提取的问题,结合面部动作与头部姿态两种维度的视觉信息检测疲劳。该检测方法首先利用MTCNN+PFLD深度网络检测人脸并定位68点人脸特征点,对于面部动作,在对人脸图像进行眼部抠图与数据增强的预处理后,建立深度残差网络对眼部动作级联分类提取眼动信号,同时根据特征点信息计算纵横比,通过设定合理阈值检测嘴部动作;对于头部姿态,采用solvePnP算法结合二维空间内的特征点信息进行坐标系空间变换求解头部姿态欧拉角。最后,根据Perclos算法中的P80原理结合生理实际提取单帧疲劳特征检测结果再进行多帧综合投票,进一步提升鲁棒性。实验结果表明:该检测方法对单帧图像处理平均耗时为49.3 ms,在不同场景下检测精度达97.8%以上,模型泛化能力强,具有较高的实用价值和现实意义。
-
关键词
疲劳驾驶
深度学习
MTCNN
PFLD
solvepnp
多帧综合投票
PERCLOS
-
Keywords
fatigue driving
deep learning
MTCNN
PFLD
solvepnp
multi-frame comprehensive voting
Perclos
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于人脸关键点的交互式活体检测
- 2
-
-
作者
刘子恒
焦良葆
魏小玉
邹辉军
孟琳
-
机构
南京工程学院人工智能产业技术研究院江苏省智能感知技术与装备工程研究中心
-
出处
《计算机与数字工程》
2025年第5期1415-1420,1426,共7页
-
基金
国家自然科学基金青年基金项目(编号:61903183)资助。
-
文摘
随着人工智能技术迅猛发展,人脸识别技术得到广泛应用,特别是在金融领域,极大节约了人力资源成本。针对人脸识别易被非法分子利用图像、模型等手段欺骗从而盗取用户财产的问题,论文提出一种交互式动态活体检测方法。该方法首先调用dlib库检测出图像中的人脸位置并定位出面部68点关键点,通过仿射变换校正偏转图像和基于像素点算子的方法优化图像质量,再随机组合眨眼、张嘴、点头及摇头等动作来验证识别的人脸是否为活体,有效提升人脸识别的安全性。与其他方法对比实验表明:该方法在CASIA-FASD数据集上错误率为1.483%,在OULU-NPU数据集上APCER错误率达5.721%,在Replay-attack数据集上HTER错误率达到0.734%,在复杂的环境和光照条件下表现优于其他方法,具有更强的泛化能力和更好的鲁棒性。
-
关键词
dlib
活体检测
solvepnp
仿射变换
纵横比
-
Keywords
dlib
in vivo detection
solvepnp
affine transformation
aspect ratio
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
