Resumen

En la vida y el trabajo de alto ritmo y eficiencia, la fatiga es uno de los factores importantes que causan accidentes, como los de tráfico y los médicos. Este estudio diseña una estrategia de poda basada en el mapa de características (PFM), que reduce eficazmente los parámetros redundantes y reduce la complejidad de tiempo y espacio del entrenamiento de la red neuronal convolucional profunda (DCNN) paralelizada; se propone una corrección en la etapa de Mapa. El método de gradiente conjugado secante (CGMSE) realiza la convergencia rápida del método de gradiente conjugado y mejora la velocidad de convergencia de la red; en la etapa de Reducción, se propone una estrategia de equilibrio de carga para controlar la tasa de carga (LBRLA) para lograr una agrupación de datos rápida y uniforme que garantice el rendimiento de la paralización del sistema paralelo. Por último, se lleva a cabo la investigación y simulación del algoritmo de fatiga relacionado basado en el ojo humano en el PC. El rostro humano y el área del ojo se detectan a partir de la imagen de vídeo recogida con la cámara USB, y se utiliza el método de diferencia de fotogramas y la información de posición del ojo humano en el rostro. Para rastrear el área del ojo humano, se extraen las características relevantes de la fatiga del ojo humano, se combinan la frecuencia de parpadeo, la duración del ojo cerrado, el PERCLOS y otros mecanismos de determinación de la fatiga del ojo humano para determinar el estado de fatiga, y se prueba y verifica la plataforma y el algoritmo diseñados mediante experimentos. Este sistema está diseñado para que las personas que se quedan dormidas, como los conductores, descubran su estado a tiempo a través del sistema y reduzcan la posibilidad de accidentes debidos a la fatiga.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:fatiga del ojo humano, red neuronal convolucional, métodos de diferencia de marco, métodos de gradiente conjugado, estrategia de poda basada, área del ojo humano, mecanismo de determinación de la fatiga, posibilidad de accidente, algoritmo de fatiga relacionado, complejidad espacial
• Keywords:human eye fatigue, convolutional neural network, frame difference methods, conjugate gradient methods, based pruning strategy, human eye area, fatigue determination mechanism, possibility of accident, related fatigue algorithm, space complexity