矿井作业视频图像的轻量级自适应面部疲劳检测算法

刘瀚晖, 曾庆田, 宋戈, 鲁法明

PDF(4049 KB)
PDF(4049 KB)
山东科技大学学报(自然科学版) ›› 2024, Vol. 43 ›› Issue (05) : 97-109. DOI: 10.16452/j.cnki.sdkjzk.2024.05.010

矿井作业视频图像的轻量级自适应面部疲劳检测算法

  • 刘瀚晖, 曾庆田, 宋戈, 鲁法明
作者信息 +
History +

摘要

矿井作业人员因疲劳引发误操作是导致煤矿事故发生的重要原因。为解决采集的矿井作业图像质量低、疲劳特征单一以及个体差异等问题,本研究提出改进的RetinaFace-PFLD轻量级自适应面部疲劳检测算法(RPLA)。具体地,使用中值滤波和伽马校正对实时视频数据进行预处理以提高图像质量;在RetinaFace模型的基础上改进MobileNetv3网络提取特征,简化特征金字塔网络,降低识别算法复杂度;通过PFLD框架获取人脸关键点和疲劳特征,利用自适应疲劳检测方法检测疲劳。在人脸数据集、自采集矿工数据集和驾驶数据集上进行测试,疲劳检测准确率达到97.73%。进一步将算法移植到Jetson Nano上,每秒检测帧数为16.13,大于采样速度,表明本算法适用于移动终端设备进行实时监测预警。

关键词

矿井作业 / 轻量级 / 自适应 / 面部 / 疲劳检测

中图分类号

TD79 / TP391.41

引用本文

导出引用
刘瀚晖, 曾庆田, 宋戈, 鲁法明. 矿井作业视频图像的轻量级自适应面部疲劳检测算法. 山东科技大学学报(自然科学版). 2024, 43(05): 97-109 https://doi.org/10.16452/j.cnki.sdkjzk.2024.05.010

基金

科技部新一代人工智能国家科技重大专项(2022ZD0119501); 国家自然科学基金项目(52374221); 山东省自然科学基金项目(ZR2022MF288,ZR2023MF097); 山东省泰山学者特聘专家支持项目(ts20190936)

评论

PDF(4049 KB)

Accesses

Citation

Detail

段落导航
相关文章

/