基于熵权-TOPSIS优化BP神经网络的疲劳驾驶预测模型

为了提高疲劳驾驶检测的精度,本研究提出了一种基于熵权-TOPSIS优化BP神经网络的疲劳驾驶预测模型。该模型使用DLIB库进行人脸检测,基于ERT算法建立级联的残差回归树并获取面部60个关键点坐标。通过对关键点坐标以及3D人脸模型匹配来预测头部运动姿态,从而计算面部特征数据。使用熵权-TOPSIS算法对面部特征数据客观赋权并得到归一化后的疲劳指数,将归一化数据作为数据集对BP神经网络进行训练。实验验证该模型预测精度达到99.796%。实际检测中可据此模型计算,当疲劳指数连续多帧高于疲劳阈值便判定为疲劳状态,并对驾驶员进行预警提醒。

基于RISC-V的口罩识别系统

基于RISC-V架构嵌入式平台,使用卷积神经网络算法实现了一种口罩识别系统。通过比较目前常用的深度学习算法,选择使用TensorFlow平台、YOLO算法以及口罩识别模型,并对其进行适量的稀疏训练,来减少模型大小,使其可以在嵌入式平台上运行,再利用Dlib训练特征点检测模型,对截取到的人脸进行提取并保存特征值,达到实现人脸检测的目的。实验以LFW数据集为实验样本,通过实验证明该方法可以达到较高准确率。