基于深度学习的AI疲劳检测系统

​疲劳检测的原理是根据人体疲劳状态下的特征检测，和正常状态下的特征检测做对比。在做疲劳检测之前，首先需要分析人体在疲劳状态下与正常状态下的特征有哪些不同的的表现，这些不同的表现可以通过哪些数值具体的量化出来，然后通过这些量化后的不同数值来判断属于哪种行为；最后根据获取的各种行为综合判断属于疲劳状态或者正常状态。

 

---

场景分析

通过对现有的疲劳检测场景分析，以及对疲劳特征的研究，判断人体属于疲劳或者非疲劳状态的方法可以分为主动检测和被动检测，主动检测需要检测者配合才能进行，操作也相对繁琐，比如问卷调查、体检等；而被动检测相对来说比较容易，被动检测的优势在于不需要检测者刻意的配合，在平时正常的生活和工作状态下就能够检测。

目前被动检测的主要方法是通过人体的外部表现特征来判断人体是否处于疲劳状态，比如在正常活动中的打哈欠、闭眼时长、低头、其他表情等特征都可以做为是否处于疲劳状态的依据之一。主要应用以驾驶疲劳检测、学习工作疲劳检测为主要场景。

驾驶疲劳是指驾驶人在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象。驾驶人睡眠质量差或不足，长时间驾驶车辆，容易出现疲劳。驾驶疲劳会影响到驾驶人的注意、感觉、知觉、思维、判断、意志、决定和运动等诸方面。

疲劳驾驶带来的危害：

<