基于深度学习的视频分析审看员疲劳检测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：视频分析审看是视频侦查中的重要工作,而视频分析审看员工作时间长、强度大、难度高,极易引起作业疲劳,增大案件重要信息的遗漏率.通过改进Dlib算法实现人脸特征区域定位,基于迁移学习训练MobileNetV3网络模型进行眼部、嘴部疲劳状态识别,结合头部姿态估计算法实现头部疲劳特征识别,设计模糊推理评分系统进行面部多特征融合,实现对视频分析审看员疲劳状态的实时评估.仿真结果显示,疲劳检测准确率达到了95.87％,可以在视频分析审看员疲劳时给予及时地提醒,间接减少案件重要信息漏检率.

作者：

许锋、申家冰

展开 >

作者单位：

中国刑事警察学院公安信息技术与情报学院辽宁沈阳 110854

关键词：

视频分析审看深度学习头部姿态估计算法模糊推理评分系统

出版年：

2024

DOI：

10.14060/j.issn.2095-7939.2024.05.003

中国刑警学院学报

中国刑警学院

中国刑警学院学报

影响因子：0.024

ISSN：

年,卷(期)：2024.(5)