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

doi:10.16452/j.cnki.sdkjzk.2024.05.010

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 +

Author information +

文章历史 +

PDF (4145K)

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。