技术特征：
技术总结
本发明公开一种汽车疲劳驾驶预测方法，构建依次设置一至四级的卷积神经网络，输入图像由一级卷积神经网络获得候选人脸窗口及其对应的包围盒回归向量，再经过一二级卷积神经网络合并高度重叠的候选窗口；剩余的候选窗口经过三级卷积神经网络并利用人脸特征点标记信息预测识别人眼区域；依据眼睛特征点再分割眼睛区域，并输入四级卷积神经网络通过深度学习算法训练眼睛图像的深度视觉特征模型；摄像头采集的视频依次通过CNN1、CNN2、CNN3、CNN4，判别眼睛的闭合状态；计算驾驶员疲劳视觉评估参数PERCLOS，当PERCLOS值大于40%时，则判定驾驶员开始疲劳或处于疲劳状态，输出预警信号。本发明的方法不仅能检测各种光照、姿态、表情条件下驾驶员的疲劳状态，检测结果鲁棒性高，有效地克服了光照、姿态、表情等因素对驾驶员疲劳检测的影响。
技术研发人员：曾智勇
受保护的技术使用者：福建师范大学
技术研发日：2017.05.19
技术公布日：2017.09.22