基于熵权-TOPSIS优化BP神经网络的疲劳驾驶预测模型
周勇
周轶斐
赵云
许晶
朱宗豪
安徽师范大学皖江学院 电子工程系,安徽 芜湖 241008
摘要：为了提高疲劳驾驶检测的精度,本研究提出了一种基于熵权-TOPSIS优化BP神经网络的疲劳驾驶预测模型.该模型使用DLIB库进行人脸检测,基于ERT算法建立级联的残差回归树并获取面部60个关键点坐标.通过对关键点坐标以及3D人脸模型匹配来预测头部运动姿态,从而计算面部特征数据.使用熵权-TOPSIS算法对面部特征数据客观赋权并得到归一化后的疲劳指数,将归一化数据作为数据集对BP神经网络进行训练.实验验证该模型预测精度达到99.796％.实际检测中可据此模型计算,当疲劳指数连续多帧高于疲劳阈值便判定为疲劳状态,并对驾驶员进行预警提醒.
关键词：人脸特征点检测熵权-TOPSISBP神经网络疲劳预测
分类号：TP183(自动化基础理论)
资助基金：大学生创新创业训练计划项目(X202113617008)
论文发表日期：2021-12-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 11-15 )
英文信息