文献

J-GLOBAL ID：202002235411463376   整理番号：20A2731615

EM-CNNを用いた畳込みニューラルネットワークに基づく運転者の疲労検出【JST・京大機械翻訳】

Driver Fatigue Detection Based on Convolutional Neural Networks Using EM-CNN

著者 (6件)： Zhao Zuopeng (School of Computer Science and Technology & Mine Digitization Engineering Research Center of Ministry of Education of the People’s Republic of China, China University of Mining and Technology, Xuzhou 221116, China) ,  Zhou Nana (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Zhang Lan (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Yan Hualin (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Xu Yi (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China) ,  Zhang Zhongxin (School of Computer Science and Technology, China University of Mining and Technology, Xuzhou 221116, China)
資料名： Computational Intelligence and Neuroscience (Web)  (Computational Intelligence and Neuroscience (Web))
巻： 2020  ページ： Null  発行年： 2020年 
JST資料番号： U7694A  ISSN： 1687-5265  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 疲労駆動検出研究に焦点を合わせて,駆動画像を用いた完全自動駆動疲労状態検出アルゴリズムを提案した。提案したアルゴリズムにおいて,マルチタスクカスケード畳込みネットワーク(MTCNN)アーキテクチャを顔検出と特徴点位置に用いて,関心領域(ROI)を特徴点を用いて抽出した。EM-CNNと名付けた畳込みニューラルネットワークを提案し,ROI画像から眼と口の状態を検出した。時間(PERCLOS)と開口度(POM)に対する瞳孔閉鎖のパーセンテージは,疲労検出に使用される2つのパラメータである。実験結果は,提案したEM-CNNが駆動画像を用いて運転者の疲労状態を効率的に検出できることを示した。提案したアルゴリズムEM-CNNは,他のCNNベースの方法,すなわち,AlexNet,VGG-16,GoogLeNet,およびResNet50より優れ,それぞれ,93.623%と93.643%の精度と感度率を示した。Copyright 2020 Zuopeng Zhao et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *畳込み ,  *ネットワーク ,  計算機アーキテクチャ
準シソーラス用語： 顔検出 ,  特徴点 ,  関心領域 ,  検出アルゴリズム ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

引用文献 (33件)：

• I. Parra Alonso, R. Izquierdo Gonzalo, J. Alonso, A. Garcia Morcillo, D. FernandezLlorca, M. A. Sotelo, "The experience of drivertive-driverless cooperative vehicle team in the 2016 gcdc," IEEE Transactions on Intelligent Transportation Systems, vol. 19, no. 4, pp. 1322-1334, 2017.
• N. Ammour, H. Alhichri, Y. Bazi, B. Benjdira, N. Alajlan, M. Zuair, "Deep learning approach for car detection in UAV imagery," Remote Sensing, vol. 9, no. 4, pp. 312, 2017.
• R. P. Balandong, R. F. Ahmad, M. N. Mohamad Saad, A. S. Malik, "A review on EEG-based automatic sleepiness detection systems for driver," Ieee Access, vol. 6, pp. 22908-22919, 2018.
• X. Q. Ahmad et al., "Driving fatigue detection with fusion of EEG and forehead EOG," Proceedings of the International Joint Conference on Neural Networks, pp. 897-904, Vancouver, Canada, July 2016.
• Y. Wang, X. Liu, Y. Zhang, Z. Zhu, D. Liu, J. Sun, "Driving fatigue detection based on EEG signal," Proceedings of the 5th International Conference on Instrumentation and Measurement, Computer, Communication, and Control, pp. 715-718, Qinhuangdao, China, September 2015.

タイトルに関連する用語 (4件)： EM ,  CNN ,  畳込みニューラルネットワーク ,  疲労