基于图像分割的疲劳检测方法研究

问题：

        随着社会的不断进步,汽车已经成为了当今世界拥有主宰地位的交通工具。然而汽车数量的上升同时也导致交通事故数量猛增,由司机疲劳驾驶引起的交通事故的发生频率更是不断攀升。疲劳的复杂性引起了各个学科的研究者广泛关注，传统的疲劳评估方法不仅需要精密的设备，而且耗费大量时间。当前大多数基于图像识别的疲劳检测主要围绕复杂工况下的驾驶员瞳孔位置检测、眼睛状态识别或基于整体的面部疲劳表情识别展开研究。但是这些方法不足以完全对人的疲劳程度进行提取并精准预测。

         因此，本文提出了一个方法就是围绕人脸部的黑眼圈、眼睛、嘴巴、鼻子和皮肤状态进行综合分析、全面评估和检测人的疲劳程度。即为通过仔细检查人类面部线索来预测个人的疲劳率。

模型结构：

        在该模型架构下：将人脸图像作为输入，从中检测并裁剪出面部特征点，这些裁剪出的面部特征，如眼睛、眼圈（眼睑）、鼻子、嘴巴以及整个面部皮肤图像等五个部分分别作为输入有针对性的训练各个模型，然后各个模型将预测返回输入图像所对应的疲劳值，最终将这些值加权求和，（眼睛和黑眼圈的权重更高）最终值来确定一个人的疲劳程度。

数据集：

数据集分为两类：疲劳状态和非疲劳状态，每个状态下都是人脸部图像的分割图像。其数据形式如下所示：

 可以下载数据集进行尝试构建该模型：

https://mp.csdn.net/mp_download/manage/download/UpDetailed

未来应用