【疲劳驾驶】Driver Fatigue Detection Based on Residual Channel Attention Network and Head Pose Estimation

概述：提出RCAN网络，用于识别眼睛和嘴巴的状态。将眼睛闭合率（PERCLOS）和嘴巴张开程度（POM）用于疲劳检测，并提出PnP方法估计人头姿态辅助疲劳检测。3D人头姿态估计和疲劳检测基于深度学习实现。

方法包含三个方面：人脸状态识别，人头姿态估计，和疲劳分析。首先使用Retinaface检测人脸，并标记人脸框、眼睛区域和嘴部区域。然后使用RCAN判断眼睛和嘴部区域的状态。并使用EPnP结合Retinaface生成的关键点估计人头姿态。整体架构如下图所示：

驾驶员疲劳检测
1.PERCLOS
单位时间内闭眼时间的比例
2.POM
单位时间内张嘴时间的比例
3.人头姿态角
使用队列机制保存RCAN的输出，队列的长度保持不变，队列的第一个值删掉并引入新的一帧的结果，并计算PERCLOS和POM。如果PERCLOS和POM超过阈值，则认为是疲劳状态，如果人头姿态角过大，应发出报警。

实验结果
数据库：CEW，DROZY，YawDD。
阈值：Perclos>0.32, POM>0.37,角度>20度。