基于深度学习的疲劳驾驶检测方法研究

随着科技的发展,人们的生活水平也越来越高,大多数人选择自驾出行。但是由于长时间的驾驶,在精神高度集中的情况下,会使驾驶员产生视觉疲劳的现象,在疲劳情况下驾驶车辆会产生安全隐患,因此有必要在驾驶员疲劳时对其进行提示与警告。运用表情识别技术,分析了传统表情识别技术存在的不足,提出了一种基于深度学习的表情识别算法,利用Gabor小波算法提取轮廓信息,可以有效减小光照对图像的影响,再通过PCA降维处理简化信息计算的复杂度,最后利用基于卷积神经网络的深度学习方法进一步提高人脸表情识别的精确度。

基于Smart210的人脸识别系统设计与实现

针对传统人脸识别技术识别率不高,稳定性不强等缺点,本文以Smart210开发板为核心,提出一种嵌入式人脸识别系统。通过采用AdaBoost算法进行图像人脸检测,将二维小波变换法与PCA降维算法相结合,以提取图像中的人脸特征。通过PC机训练人脸图像样本,获得特征子空间文件后发送到嵌入式系统内,这种方式可以有效解决图像处理数据巨大而造成处理效率低的问题。最后,通过对本文设计的嵌入式人脸识别系统的识别率和运行速度等性能指标进行测试。测试结果表明:该系统功能完备、界面友好、使用方便、识别效果良好。