李小平，白 超

(蘭州交通大學(xué) 機(jī)電工程學(xué)院，甘肅 蘭州 730070)

隨著全世界鐵路運(yùn)輸里程及汽車營(yíng)運(yùn)數(shù)量的快速增長(zhǎng)，火車司機(jī)和汽車司機(jī)人數(shù)也快速增加，同時(shí)由于司機(jī)疲勞駕駛引起的交通事故也逐年增高，以美國(guó)為例，交通事故中有25%～35%與疲勞駕駛有關(guān)[1-2]，每年大約有1 500多人喪生于疲勞駕駛引起的車禍[3]。因此對(duì)司機(jī)疲勞駕駛狀態(tài)進(jìn)行檢測(cè)并做出相應(yīng)的預(yù)警，對(duì)于保障交通運(yùn)輸安全至關(guān)重要。

目前的疲勞駕駛檢測(cè)主要有基于司機(jī)的測(cè)量方法及基于車輛的測(cè)量方法，基于司機(jī)的測(cè)量方法又分為生理特征、視覺特征[4]和語音特征[5]等多種方法?；谲囕v的檢測(cè)方法受路況及駕駛員技能的影響，準(zhǔn)確性較差[6]；基于生理特征的疲勞檢測(cè)由于使用了昂貴的傳感器，并且傳感器的侵入可能引起司機(jī)不適，不便于普及推廣[7-8]；基于語音特征的疲勞檢測(cè)只適用于采用標(biāo)準(zhǔn)呼叫應(yīng)答的駕駛場(chǎng)景且語音標(biāo)記樣本數(shù)據(jù)較為稀缺；基于視覺特征的疲勞檢測(cè)具有非接觸性及可直接根據(jù)司機(jī)面部特征(如眼睛睜閉、打哈欠等)反應(yīng)其疲勞狀態(tài)等優(yōu)點(diǎn)，成為目前研究的主流方向[9]。傳統(tǒng)的基于機(jī)器視覺的司機(jī)疲勞檢測(cè)算法主要采用人工設(shè)計(jì)特征加分類器的方式，通過手動(dòng)特征設(shè)計(jì)、制定檢測(cè)標(biāo)準(zhǔn)來進(jìn)行疲勞判斷，檢測(cè)速度較慢、準(zhǔn)確性較低[10]；隨著以卷積神經(jīng)網(wǎng)絡(luò)CNN為代表的深度學(xué)習(xí)模型在計(jì)算機(jī)視覺領(lǐng)域的成功應(yīng)用，如面部器官檢測(cè)[11]、人體姿態(tài)估計(jì)[12]等，基于視覺特征深度學(xué)習(xí)的司機(jī)疲勞檢測(cè)成為該領(lǐng)域的研究熱點(diǎn)。

在基于視覺特征深度學(xué)習(xí)的疲勞駕駛檢測(cè)研究領(lǐng)域，文獻(xiàn)[13]提出了一種基于RNN的司機(jī)疲勞檢測(cè)技術(shù)；文獻(xiàn)[14]提出了一種類Haar特征和極限學(xué)習(xí)的疲勞檢測(cè)方法；文獻(xiàn)[15]基于嘴部特征疲勞檢測(cè)，應(yīng)用了功能校準(zhǔn)深度卷積模型RF-DCM，解決了說話和打哈欠的區(qū)分問題；文獻(xiàn)[16]提出了一種基于MSP模型的多任務(wù)分層CNN疲勞檢測(cè)系統(tǒng)，實(shí)現(xiàn)了面部檢測(cè)及眼睛和嘴巴狀態(tài)檢測(cè)；文獻(xiàn)[17]通過直方圖預(yù)訓(xùn)練梯度模型HOG和支持向量機(jī)SVM提取眼睛、鼻子和嘴巴的位置并評(píng)估眼睛長(zhǎng)寬比、張口比和鼻子長(zhǎng)度比率進(jìn)行疲勞檢測(cè)；文獻(xiàn)[18]提出了一個(gè)深層級(jí)聯(lián)LSTM的駕駛員疲勞檢測(cè)方法；文獻(xiàn)[19]提出了應(yīng)用多面特征融合雙流卷積網(wǎng)絡(luò)的司機(jī)疲勞駕駛檢測(cè)模型，實(shí)現(xiàn)了動(dòng)態(tài)圖像與靜態(tài)圖像的綜合檢測(cè)；文獻(xiàn)[20]提出了基于多形態(tài)紅外特征與深度學(xué)習(xí)的實(shí)時(shí)疲勞檢測(cè)方法，解決了夜間駕駛疲勞的檢測(cè)問題。

綜上所述，目前基于視覺特征深度學(xué)習(xí)的司機(jī)疲勞檢測(cè)算法主要有基于RNN的方法[13]、基于CNN的方法[14-17]以及RNN與CNN的融合方法[18-20]，一般采用滑動(dòng)窗口加分類器方式，由于輸入圖像較大而導(dǎo)致系統(tǒng)耗時(shí)多[21]，檢測(cè)效率不高，而且當(dāng)司機(jī)頭部姿態(tài)變化(如側(cè)臉、有遮擋等)時(shí)成像質(zhì)量較差，準(zhǔn)確率不高。針對(duì)上述問題，本文在前人研究的基礎(chǔ)上，提出一種基于MTCNN-PFLD-LSTM深度學(xué)習(xí)模型的司機(jī)疲勞檢測(cè)算法，首先采用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)(Multi-task Cascaded Convolutional Networks，MTCNN)對(duì)視頻圖像幀的目標(biāo)區(qū)域內(nèi)人像進(jìn)行由粗到細(xì)的定位[22]，提高定位效率，降低后續(xù)輸入圖像的尺寸；然后對(duì)人臉圖像采用精度高、速度快的PFLD(Praclical Facial Landmark Detector)模型[23]進(jìn)行68個(gè)關(guān)鍵點(diǎn)定位；最后根據(jù)P80原則計(jì)算出每幀圖像的眼部、嘴部、頭部3個(gè)疲勞參數(shù)，融合PFLD檢測(cè)出每幀圖像中人臉關(guān)鍵點(diǎn)的3個(gè)空間姿態(tài)角(偏航角，俯仰角，滾轉(zhuǎn)角)共6個(gè)參數(shù)，輸入長(zhǎng)短期記憶網(wǎng)絡(luò)(Long Short-Term Memory，LSTM)進(jìn)行疲勞檢測(cè)。該算法由于采用由粗到細(xì)的方法建模，加上PFLD模型結(jié)構(gòu)小，并通過合理設(shè)計(jì)6個(gè)疲勞檢測(cè)參數(shù)及加權(quán)累積損失函數(shù)，使得司機(jī)疲勞檢測(cè)的準(zhǔn)確率和效率得到了有效提升。

1 臉部疲勞狀態(tài)表征

1.1 臉部輪廓定位

常見的人臉輪廓定位方法有5點(diǎn)、68點(diǎn)、98點(diǎn)定位，見圖1。圖1(a)中,5點(diǎn)定位僅包含左眼、右眼、鼻子、左嘴角、右嘴角5個(gè)位置，只能進(jìn)行人臉輪廓定位，無法判斷是否處于疲勞狀態(tài)；圖1(b)中，98點(diǎn)定位包含的人臉信息過多，會(huì)導(dǎo)致系統(tǒng)運(yùn)算量大、識(shí)別效率低、實(shí)時(shí)性較差；圖1(c)中，68點(diǎn)定位可以比較準(zhǔn)確地描述人的臉部輪廓以及眼睛、嘴巴等局部特征，又減少了運(yùn)算時(shí)間，提高了人臉識(shí)別的實(shí)時(shí)性[24]。在68點(diǎn)定位中，左眼有6個(gè)關(guān)鍵點(diǎn)(37～42)，右眼有6個(gè)關(guān)鍵點(diǎn)(43～48)，嘴巴有20個(gè)關(guān)鍵點(diǎn)(49～68)，其余為臉部輪廓關(guān)鍵點(diǎn)。

圖1 人臉面部輪廓定位(圖中人像來源于YawDD數(shù)據(jù)集[25])

1.2 眼部疲勞狀態(tài)表征

眼部特征是一個(gè)重要的疲勞表征參數(shù)，可以直觀反映司機(jī)是否處于疲勞狀態(tài)。本文采用PERCLOS原則[26]判斷眼部的睜閉狀態(tài)，當(dāng)眼瞼遮住瞳孔的面積超過80%時(shí)就記為眼睛閉合。為基于PERCLOS原則的眼睛睜閉曲線見圖2。

圖2 基于PERCOLS原則的眼睛睜閉曲線

圖2中，縱軸為眼睛的睜開程度Eopen，橫軸為時(shí)間t，0～t1為眼睛從完全睜開到20%閉合所用的時(shí)間，t1～t2是眼睛從20%閉合到80%閉合所用的時(shí)間，t2～t3是眼睛完全閉合所用的時(shí)間，t3～t4是眼睛從20%睜開到80%睜開所用的時(shí)間。設(shè)這一時(shí)段內(nèi)眼睛閉合時(shí)間所占的百分比為fp，則

(1)

眼睛可以看作是兩個(gè)嵌套的橢圓，見圖1(c)。假設(shè)眼睛睜開的寬度為w，上下眼瞼的垂直距離為h，則眼睛的面積近似為S=πwh。以左眼為例，根據(jù)眼部采集到的關(guān)鍵點(diǎn)，人眼部的w、h的計(jì)算式為

(2)

式中：x37、x40為人左眼兩端的關(guān)鍵點(diǎn)橫坐標(biāo)；y41、y39為人左眼眼瞼上下右側(cè)的關(guān)鍵點(diǎn)縱坐標(biāo)。右眼同理，則眼部睜開百分比計(jì)算為

(3)

式中：wmax、hmax分別為眼睛完全睜開時(shí)的寬度、高度。將計(jì)算得到的Eopen按照PERCOLS原理計(jì)算出t1、t2、t3、t4，代入式(1)即可計(jì)算出fp，fp輸入LSTM網(wǎng)絡(luò)進(jìn)行訓(xùn)練即可判斷司機(jī)是否處于疲勞狀態(tài)。

1.3 嘴部疲勞狀態(tài)表征

嘴部的狀態(tài)通常有3種：閉合、說話、打哈欠，人在疲勞時(shí)會(huì)較為頻繁地打哈欠，因此嘴部的特征也是疲勞判定的一個(gè)重要參數(shù)。

嘴部的寬度wmouth、高度hmouth計(jì)算式為

(4)

式中：x49、x55為嘴部左右的兩個(gè)關(guān)鍵點(diǎn)的橫坐標(biāo)；y51、y53、y57、y59分別為嘴部上下的4個(gè)關(guān)鍵點(diǎn)的縱坐標(biāo)，通過計(jì)算其坐標(biāo)的平均值獲得嘴部高度。

司機(jī)在疲勞打哈欠時(shí)嘴巴的張開程度最大，嘴部會(huì)出現(xiàn)高度增加，寬度減少，為了衡量這兩種指標(biāo)表征的疲勞狀態(tài)，引入嘴部縱橫比Kmouth，其計(jì)算式為

(5)

將Kmouth輸入LSTM網(wǎng)絡(luò)進(jìn)行訓(xùn)練即可判斷司機(jī)是否處于疲勞駕駛狀態(tài)。

1.4 頭部疲勞狀態(tài)表征

人在疲勞時(shí)頭部容易出現(xiàn)頻繁點(diǎn)頭或者長(zhǎng)時(shí)間低頭的情況，因此可以將點(diǎn)頭(低頭)情況作為疲勞表征參數(shù)。人在低頭時(shí)，攝像頭拍攝的照片中兩眼中點(diǎn)到達(dá)嘴巴的距離會(huì)比抬頭時(shí)出現(xiàn)明顯的縮短，故采用該距離的變化作為點(diǎn)頭(低頭)姿態(tài)的變化。

在圖1(c)中，設(shè)

(6)

則兩眼的直線函數(shù)為

(7)

式中：xleft、xright、yleft、yright分別為人左右眼中點(diǎn)的橫縱坐標(biāo)；x、y為兩眼的直線函數(shù)橫縱坐標(biāo)。將式(7)化為標(biāo)準(zhǔn)型Ax+By+C=0時(shí)，可得到A,B,C的值為

(8)

再利用人臉兩眼中點(diǎn)52號(hào)點(diǎn)計(jì)算到該直線的距離，即

(9)

d為圖像上兩眼中點(diǎn)到達(dá)嘴巴的距離。再以視頻第一幀的pitch1計(jì)算俯仰角為0時(shí)的dmax，即

(10)

當(dāng)d≤0.8dmax時(shí)可認(rèn)定為司機(jī)處于低頭狀態(tài)。若低頭超過3 s則直接判定為處于疲勞狀態(tài)，若小于3 s則記入時(shí)間，計(jì)算頭部低頭時(shí)間所占時(shí)間的百分比，即

(11)

式中：tdown為低頭時(shí)間；t為總時(shí)間；hdown為低頭百分比，該數(shù)值越大則疲勞程度越深，hdown同樣可以作為L(zhǎng)STM的輸入進(jìn)行疲勞狀態(tài)判斷。

2 基于MTCNN-PFLD-LSTM的疲勞駕駛檢測(cè)模型

基于MTCNN-PFLD-LSTM的疲勞駕駛檢測(cè)模型見圖3。

圖3 基于MTCNN-PFLD-LSTM的疲勞駕駛檢測(cè)模型(圖中人像來源于YawDD數(shù)據(jù)集[25])

首先通過車載攝像設(shè)備實(shí)時(shí)獲取司機(jī)的視頻關(guān)鍵幀圖像，通過MTCNN確定司機(jī)人臉的區(qū)域，然后將檢測(cè)出的人臉區(qū)域采用PFLD模型進(jìn)行人臉關(guān)鍵點(diǎn)檢測(cè)，最后計(jì)算生成臉部疲勞特征參數(shù)矩陣，并按照視頻時(shí)間序列將參數(shù)矩陣輸入LSTM模型進(jìn)行疲勞檢測(cè)，通過softmax分類輸出疲勞與非疲勞狀態(tài)。

2.1 人臉區(qū)域檢測(cè)

MTCNN是基于級(jí)聯(lián)思想的深度學(xué)習(xí)模型，由P-Net(Proposal Network)、R-Net(Refine Network)、O-Net(Output Network)三層網(wǎng)絡(luò)構(gòu)成，能兼顧性能和準(zhǔn)確率，可實(shí)現(xiàn)由粗到細(xì)的人臉檢測(cè)。MTCNN的圖像金字塔可以進(jìn)行初始圖像的尺度變換，P-Net模型用于生成大量的候選目標(biāo)區(qū)域框，R-Net模型對(duì)目標(biāo)區(qū)域框進(jìn)行精選和邊框回歸，進(jìn)而排除大部分的負(fù)例，O-Net網(wǎng)絡(luò)對(duì)剩余的目標(biāo)區(qū)域框進(jìn)行判別和區(qū)域邊框回歸，從而實(shí)現(xiàn)人臉區(qū)域的5關(guān)鍵點(diǎn)檢測(cè)定位，MTCNN模型結(jié)構(gòu)見圖4。

圖4 MTCNN模型結(jié)構(gòu)

(1)構(gòu)建圖像金字塔

對(duì)圖片進(jìn)行Resize操作，將原始圖像縮放成不同的尺度，生成圖像金字塔，便于實(shí)現(xiàn)多尺度人臉檢測(cè)。

(2)P-Net網(wǎng)絡(luò)

(12)

(3)R-Net網(wǎng)絡(luò)

(13)

(4)O-Net網(wǎng)絡(luò)

(14)

最終，MTCNN的損失函數(shù)L1為3個(gè)損失函數(shù)的加權(quán)累加，即

(15)

2.2PFLD人臉關(guān)鍵點(diǎn)檢測(cè)

PFLD人臉關(guān)鍵點(diǎn)檢測(cè)模型具有精度高、速度快、模型小的特點(diǎn)，特別適合算力不強(qiáng)的嵌入式移動(dòng)設(shè)備，見圖5。

圖5 PFLD模型

PFLD不僅可以通過主網(wǎng)絡(luò)輸出人臉的68個(gè)關(guān)鍵點(diǎn)，還可以通過輔助網(wǎng)絡(luò)輸出人臉的3個(gè)姿態(tài)角(偏航角yaw，俯仰角pitch，滾轉(zhuǎn)角roll)。通過68個(gè)關(guān)鍵點(diǎn)及姿態(tài)角，可以根據(jù)式(1)、式(5)、式(11)計(jì)算出疲勞參數(shù)fp，Kmouth及hdown。

PFLD損失函數(shù)L2表示為

(16)

2.3 臉部疲勞狀態(tài)參數(shù)矩陣

人的臉部疲勞狀態(tài)可以根據(jù)眼睛(睜、閉)、嘴巴(閉合、說話、打哈欠)及頭部偏航角yaw、俯仰角pitch、滾轉(zhuǎn)角roll來綜合表達(dá)。

在PFLD獲得人臉的68個(gè)關(guān)鍵點(diǎn)后，對(duì)于連續(xù)時(shí)間節(jié)點(diǎn)序列(t1,t2,…,tn)上采集的視頻圖像幀(第1幀，第2幀，…，第n幀)，每一幀圖像可根據(jù)眼部、嘴部和頭部關(guān)鍵點(diǎn)及yaw、pitch、roll角度計(jì)算出狀態(tài)參數(shù)，生成臉部疲勞狀態(tài)參數(shù)矩陣Xt為

(17)

2.4 基于LSTM網(wǎng)絡(luò)的疲勞檢測(cè)

LSTM模型是一種時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)，旨在解決RNN的長(zhǎng)期依賴與梯度消失問題，LSTM網(wǎng)絡(luò)能夠記住長(zhǎng)期依賴關(guān)系，將前一時(shí)刻的網(wǎng)絡(luò)輸出選擇性地記憶下來，為后續(xù)的網(wǎng)絡(luò)學(xué)習(xí)提供豐富的事件關(guān)聯(lián)性。LSTM網(wǎng)絡(luò)見圖6。

圖6 LSTM網(wǎng)絡(luò)

LSTM在t時(shí)刻的表達(dá)形式如下：

輸入門為

it=σ(Wi×[ht-1,xt]+bi)

(18)

遺忘門為

ft=σ(Wf×[ht-1,xt]+bf])

(19)

記憶元胞單元為

(20)

(21)

輸出門為

ot=σ(Wo×[ht-1,xt]+bo)

(22)

ht=ottanh(Ct)

(23)

在司機(jī)疲勞檢測(cè)中，監(jiān)控視頻可以按幀分解成圖片序列，按照時(shí)間順序?qū)⒚恳粠瑘D片的臉部疲勞狀態(tài)參數(shù)矩陣Xt輸入LSTM，即可實(shí)現(xiàn)運(yùn)動(dòng)狀態(tài)下的司機(jī)疲勞狀態(tài)判斷。

LSTM輸出為是否疲勞的分類狀態(tài)，故采用softmax損失函數(shù)，由于softmax損失函數(shù)在分類時(shí)主要將不同類之間的差異最大化，但對(duì)于同類之內(nèi)的樣本差異不一定最小化，因此會(huì)使得模糊樣本的特征提取效果不佳，從而影響分類的準(zhǔn)確率，為此，本文引入中心損失函數(shù)Lcenter為

(24)

式中：xi為第i個(gè)視頻疲勞特征矩陣；f(xi)為L(zhǎng)STM預(yù)測(cè)值；ci為該視頻樣本所屬聚類的中心，聚類中心在初始階段為隨機(jī)確定；m為處理批次的大小，本文選用m=128，在之后每批次中更新聚類中心。則

L3=Lsoftmax+λLcenter

(25)

式中：L3為L(zhǎng)STM損失函數(shù)；Lsoftmax為softmax 交叉熵?fù)p失函數(shù)；Lcenter為中心損失函數(shù)；λ為中心損失權(quán)重。

采用加權(quán)累積方法計(jì)算MTCNN-PFLD-LSTM模型的損失函數(shù)L，則有

(26)

式中：J為訓(xùn)練樣本數(shù)；k∈{1,2,3}；ωk為MTCNN、PFLD、LSTM 3個(gè)處理過程中的損失函數(shù)權(quán)重值。

3 試驗(yàn)驗(yàn)證

基于視覺特征的火車司機(jī)和汽車司機(jī)疲勞檢測(cè)需要在司機(jī)駕駛臺(tái)上方安裝視頻采集裝置，本文算法的原理相同，但由于采集裝置、采集環(huán)境以及所采數(shù)據(jù)集的不同，導(dǎo)致MTCNN-PFLD-LSTM深度學(xué)習(xí)模型的訓(xùn)練參數(shù)會(huì)有所不同。由于篇幅限制，本文僅對(duì)汽車疲勞駕駛進(jìn)行試驗(yàn)，以對(duì)算法的有效性進(jìn)行驗(yàn)證。

3.1 試驗(yàn)環(huán)境及實(shí)驗(yàn)數(shù)據(jù)集

試驗(yàn)平臺(tái)采用Intel(R)Core(TM)i5-4210，主頻1.70 GHz，8 GB內(nèi)存，配置較低。在Windows10環(huán)境下使用Tensorflow深度學(xué)習(xí)框架，采用Adam優(yōu)化器，未使用GPU加速。

試驗(yàn)數(shù)據(jù)集使用YawDD視頻數(shù)據(jù)集[25]和自采人臉圖像數(shù)據(jù)集。YawDD數(shù)據(jù)集是一個(gè)公開的視頻數(shù)據(jù)集，共有351個(gè)汽車司機(jī)駕駛視頻，每個(gè)視頻都標(biāo)注了正常、說話、唱歌和疲勞打哈欠4種狀態(tài)，本文將正常、說話、唱歌的狀態(tài)標(biāo)注為非疲勞狀態(tài)，將疲勞打哈欠標(biāo)注為疲勞狀態(tài)[27]。人臉定位的精確度對(duì)于疲勞檢測(cè)的結(jié)果至關(guān)重要，由于YawDD數(shù)據(jù)集中司機(jī)人數(shù)相對(duì)較少，用這些視頻關(guān)鍵幀圖像訓(xùn)練MTCNN模型時(shí)，樣本數(shù)量略顯不足，因此，本文從網(wǎng)絡(luò)上不同的人臉圖像數(shù)據(jù)集中采集了4 792張不同的人臉照片構(gòu)成自采數(shù)據(jù)集，通過大量自采樣本數(shù)據(jù)提高M(jìn)TCNN模型訓(xùn)練質(zhì)量，訓(xùn)練好的MTCNN網(wǎng)絡(luò)模型直接用來對(duì)YawDD視頻數(shù)據(jù)集中的關(guān)鍵幀圖像進(jìn)行人臉定位檢測(cè)，彌補(bǔ)YawDD數(shù)據(jù)集樣本較少的缺陷。圖7為自采人臉圖像數(shù)據(jù)集和YawDD數(shù)據(jù)集部分示例。

圖7 自采人臉圖像數(shù)據(jù)集和YawDD數(shù)據(jù)集(部分)

3.2 試驗(yàn)過程

Step1自采數(shù)據(jù)集人臉區(qū)域及關(guān)鍵點(diǎn)標(biāo)注

樣本標(biāo)記的精確度對(duì)于深度學(xué)習(xí)的準(zhǔn)確性至關(guān)重要，Labelimg是一個(gè)可視化的圖像標(biāo)定工具，通過可視化操作可保證標(biāo)注的準(zhǔn)確性，因此本文選用Labelimg軟件為自采人臉數(shù)據(jù)集的4 792張照片添加人臉框以及關(guān)鍵點(diǎn)位置。自采集數(shù)據(jù)集中1419.jpg的Labelimg標(biāo)注示例見圖8。

圖8 自采圖像1419.jpg人臉區(qū)域及68關(guān)鍵點(diǎn)標(biāo)記Labelimg標(biāo)記

Step2MTCNN模型訓(xùn)練

將Step1中標(biāo)注好的自采數(shù)據(jù)集的50%作為訓(xùn)練集，10%作為驗(yàn)證集，40%作為測(cè)試集。將訓(xùn)練集數(shù)據(jù)引入MTCNN進(jìn)行訓(xùn)練，訓(xùn)練好的模型用驗(yàn)證集數(shù)據(jù)進(jìn)行模型過擬合驗(yàn)證，然后用測(cè)試數(shù)據(jù)集進(jìn)行測(cè)試，測(cè)試識(shí)別結(jié)果見表1。

表1 人臉區(qū)域識(shí)別結(jié)果

由表1可知，通過自采數(shù)據(jù)集對(duì)MTCNN模型進(jìn)行訓(xùn)練，人臉區(qū)域識(shí)別率達(dá)到99.18%，取得了較好的訓(xùn)練效果。

Step3YawDD數(shù)據(jù)集中人臉區(qū)域識(shí)別

將YawDD數(shù)據(jù)集的每個(gè)視頻文件按照關(guān)鍵幀分解出100張圖片，共35 100張照片，輸入訓(xùn)練好的MTCNN模型進(jìn)行人臉區(qū)域檢測(cè)，識(shí)別結(jié)果見表2。

表2 YawDD數(shù)據(jù)集中人臉區(qū)域識(shí)別結(jié)果

表2的識(shí)別率達(dá)到99.24%，比表1的識(shí)別率增加了0.06%，這也反映了雖然MTCNN模型參數(shù)不變，但數(shù)據(jù)集不同，網(wǎng)絡(luò)輸出結(jié)果會(huì)有一定程度的變化。

Step4YawDD數(shù)據(jù)集中人臉關(guān)鍵點(diǎn)檢測(cè)

將Step3中檢測(cè)出的人臉區(qū)域引入PFLD網(wǎng)絡(luò)檢測(cè)68個(gè)關(guān)鍵點(diǎn)，可得到所有關(guān)鍵幀照片的人臉關(guān)鍵點(diǎn)坐標(biāo)，視頻24-FemaleNoGlasses-Normal.avi中第10幀圖像的人臉關(guān)鍵點(diǎn)坐標(biāo)及姿態(tài)角見圖9。

圖9 24-FemaleNoGlasses-Normal第10幀圖像人臉關(guān)鍵點(diǎn)坐標(biāo)及姿態(tài)角

圖9(a)為視頻24-FemaleNoGlasses-Normal.avi中第10幀圖像的人臉關(guān)鍵點(diǎn)及姿態(tài)角，藍(lán)色關(guān)鍵點(diǎn)為標(biāo)記點(diǎn)，紅色關(guān)鍵點(diǎn)為檢測(cè)點(diǎn)。35 100張視頻幀照片的關(guān)鍵點(diǎn)檢測(cè)結(jié)果見表3。

表3 人臉關(guān)鍵點(diǎn)檢測(cè)結(jié)果

Step5計(jì)算疲勞參數(shù)矩陣

將Step4中檢測(cè)出的關(guān)鍵點(diǎn)坐標(biāo)及姿態(tài)角按照式(1)、式(5)、式(11)可以計(jì)算出相應(yīng)的疲勞特征參數(shù)。視頻24-FemaleNoGlasses-Normal.avi的疲勞參數(shù)計(jì)算結(jié)果見表4(前10幀)。

表4 視頻24-FemaleNoGlasses-Normal疲勞參數(shù)計(jì)算結(jié)果(前10幀)

Step6LSTM疲勞檢測(cè)

將Step5中計(jì)算出的疲勞參數(shù)輸入LSTM網(wǎng)絡(luò)，其中將223個(gè)視頻(63.5%)作為訓(xùn)練集，128個(gè)視頻(36.5%)作為測(cè)試集，學(xué)習(xí)率為0.001，最后通過softmax得到疲勞檢測(cè)結(jié)果，見表5。

表5 疲勞檢測(cè)結(jié)果

3.3 試驗(yàn)結(jié)果分析

司機(jī)疲勞狀態(tài)檢測(cè)屬于分類問題，可以采用準(zhǔn)確率以及檢測(cè)幀率FPS來進(jìn)行評(píng)估[28]。

根據(jù)表5可以計(jì)算出MTCNN-PFLD-LSTM疲勞檢測(cè)準(zhǔn)確率，結(jié)果見表6。

表6 MTCNN-PFLD-LSTM疲勞檢測(cè)準(zhǔn)確率

從表6可以看出，分別使用fp、Kmouth、hdown與3個(gè)空間姿態(tài)角yaw、pitch、roll共4個(gè)參數(shù)訓(xùn)練網(wǎng)絡(luò)時(shí)，檢測(cè)準(zhǔn)確率分別為94.53%、93.75%、89.06%，而將fp、Kmouth、hdown與yaw、pitch、roll角度共6個(gè)參數(shù)輸入網(wǎng)絡(luò)訓(xùn)練時(shí)，檢測(cè)準(zhǔn)確率達(dá)到99.22%。

3.4 損失函數(shù)loss

損失函數(shù)loss用來表現(xiàn)預(yù)測(cè)值和實(shí)際值之間的差異程度，權(quán)重ωk的不同取值對(duì)于實(shí)驗(yàn)結(jié)果影響較大。假定ω1變化、ω2=ω3，分析ω1的變化對(duì)loss的影響，選取ω1∶ω2∶ω3=0.1∶0.45∶0.45、ω1∶ω2∶ω3=0.3∶0.35∶0.35、ω1∶ω2∶ω3=0.5∶0.25∶0.25、ω1∶ω2∶ω3=0.7∶0.15∶0.15，損失函數(shù)圖像見圖10(a)，可以看出，當(dāng)ω1權(quán)重較低時(shí)模型收斂速度較慢，損失函數(shù)loss增大、準(zhǔn)確率降低，故應(yīng)增大ω1的權(quán)重，充分驗(yàn)證了人臉圖像分割精度對(duì)于疲勞檢測(cè)的重要性，但當(dāng)ω1取值過高時(shí)(如ω1=0.7)，模型收斂速度反而又會(huì)降低，經(jīng)過反復(fù)試驗(yàn)，當(dāng)ω1=0.5時(shí)模型收斂速度快、準(zhǔn)確率高。當(dāng)ω1=0.5時(shí)，分析ω2、ω3變化對(duì)loss函數(shù)的影響，分別取ω2=0.1、ω3=0.4，ω2=0.2、ω3=0.3，ω2=0.25、ω3=0.25，ω2=0.3、ω3=0.2，ω2=0.4、ω3=0.1，loss曲線見圖10(b)，可以看出，當(dāng)ω2=ω3=0.25時(shí)模型收斂速度快、準(zhǔn)確率高。經(jīng)過反復(fù)試驗(yàn)，最終確定權(quán)重ωk的取值為ω1∶ω2∶ω3=0.5∶0.25∶0.25。

圖10 權(quán)值ωk取不同值時(shí)的loss曲線

當(dāng)ω1∶ω2∶ω3=0.5∶0.25∶0.25時(shí)，通過損失函數(shù)曲線可以看出該模型收斂速度較快，在訓(xùn)練了500張圖像時(shí)的損失值和訓(xùn)練2 500張圖像時(shí)的損失值相差不大，在訓(xùn)練到2 500張圖像時(shí)損失函數(shù)波動(dòng)很小，顯示出模型具有較好的魯棒性。

為驗(yàn)證本文算法的優(yōu)越性，和其他最新的疲勞檢測(cè)算法進(jìn)行對(duì)比，結(jié)果見表7。

表7 對(duì)比實(shí)驗(yàn)結(jié)果

由表7可以看出，本文在低算力設(shè)備及無GPU加速情況下，采用MTCNN-PFLD-LSTM算法，準(zhǔn)確率達(dá)到99.22%，檢測(cè)幀率達(dá)到46；本文檢測(cè)準(zhǔn)確率比第2的模型(文獻(xiàn)[17])增加了0.26%，檢測(cè)幀率FPS比性能第2的模型(文獻(xiàn)[13])增加了1.3倍。文獻(xiàn)[14]和文獻(xiàn)[15]由于采用了GPU加速，所以FPS較高，但是硬件配置要求較高；文獻(xiàn)[17]的檢測(cè)準(zhǔn)確率較高，但是檢測(cè)幀率為8，運(yùn)算效率較低。對(duì)比試驗(yàn)結(jié)果表明，本文提出的算法在低算力設(shè)備上應(yīng)用時(shí)耗時(shí)較少，檢測(cè)準(zhǔn)確率較高，綜合檢測(cè)效果較好。

4 結(jié)論

本文采用MTCNN-PFLD-LSTM模型進(jìn)行司機(jī)疲勞駕駛檢測(cè)，無須GPU加速，便于在移動(dòng)設(shè)備等低算力設(shè)備上應(yīng)用。通過優(yōu)化MTCNN-PFLD-LSTM模型在不同階段任務(wù)的損失函數(shù)權(quán)重，在YawDD數(shù)據(jù)集中的檢測(cè)準(zhǔn)確率達(dá)到99.22%，檢測(cè)幀率達(dá)到46，檢測(cè)的效率與準(zhǔn)確性較好，能夠滿足基于視覺特征的司機(jī)疲勞駕駛檢測(cè)要求。