[發(fā)明專(zhuān)利]一種基于圖像識(shí)別技術(shù)的疲勞駕駛行為檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811022927.X
• 申請(qǐng)日: 2018-09-03
• 公開(kāi)（公告）號(hào): CN109284698A
• 公開(kāi)（公告）日: 2019-01-29
• 發(fā)明（設(shè)計(jì)）人: 王東明;黃慶毅
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳市尼歐科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62
• 代理公司: 深圳市中科創(chuàng)為專(zhuān)利代理有限公司 44384
• 代理人: 譚雪婷;高早紅

本發(fā)明公開(kāi)一種基于圖像識(shí)別技術(shù)的疲勞駕駛行為檢測(cè)方法，運(yùn)用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)對(duì)人臉、人臉朝向及人臉其他特征(左右眼、鼻子、嘴角坐標(biāo)等)進(jìn)行特征提取，然后對(duì)提取到的特征進(jìn)行駕駛異常行為檢測(cè)，該方法能快速準(zhǔn)確地檢測(cè)出異常駕駛行為，如嗜睡、注意力不集中、疲勞駕駛等。本發(fā)明能有效地提高異常駕駛行為的檢測(cè)精度，并且檢測(cè)結(jié)果對(duì)因光照、駕駛員頭部姿態(tài)產(chǎn)生的干擾具有很好的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及智能交通領(lǐng)域的駕駛異常行為檢測(cè)領(lǐng)域，尤其涉及一種基于圖像識(shí)別技術(shù)的疲勞駕駛行為檢測(cè)方法。

背景技術(shù)

WHO在2009年統(tǒng)計(jì)的一個(gè)數(shù)據(jù)顯示，在全世界范圍內(nèi)每年由交通事故死亡的人數(shù)有123萬(wàn)人。但是我們知道，在朝鮮戰(zhàn)爭(zhēng)中，整個(gè)戰(zhàn)爭(zhēng)死亡的人數(shù)也差不多一百多萬(wàn)。也就是說(shuō)，每年死于交通事故的人數(shù)差不多等于一次非常慘烈的戰(zhàn)爭(zhēng)的死亡人數(shù)了。根據(jù)WHO統(tǒng)計(jì)，在全世界范圍內(nèi)每年由交通事故造成的死亡人數(shù)有123萬(wàn)之多；而發(fā)生交通事故90％是由司機(jī)人為原因造成的，比如疲勞駕駛、注意力不集中、超速、安全意識(shí)弱等等。

目前異常駕駛行為檢測(cè)主要分為接觸式和非接觸式兩大類(lèi)。接觸式檢測(cè)主要有兩類(lèi)：(1)基于駕駛員生理特征分析的異常行為檢測(cè)。這類(lèi)方法需要駕駛員佩戴一些傳感器，操作復(fù)雜佩戴不便，極易受到駕駛員個(gè)體因素的影響，不能真實(shí)有效反應(yīng)駕駛異常情況，并且由于價(jià)格和佩戴舒適度的影響，推廣不易；(2)基于車(chē)輛傳感器檢測(cè)系統(tǒng)，這類(lèi)方法是通過(guò)安裝能夠檢測(cè)出車(chē)輛狀態(tài)的各類(lèi)傳感器，通過(guò)車(chē)輛狀態(tài)分析駕駛員行為判斷駕駛異常情況，此種方法對(duì)硬件要求高，價(jià)格昂貴，且由于不同駕駛員的駕駛行為差異較大，十分容易造成干擾，誤報(bào)率高。

非接觸式檢測(cè)方法目前主要是通過(guò)在車(chē)內(nèi)安裝攝像頭，通過(guò)傳統(tǒng)的圖像處理的方法進(jìn)行檢測(cè)分析，這種方法相比接觸式檢測(cè)方法受干擾因素小，使用方便，價(jià)格便宜，但容易受到光照、駕駛員姿態(tài)等因素的影響，造成準(zhǔn)確率不高的問(wèn)題。

傳統(tǒng)的非接觸式駕駛異常行為檢測(cè)流程是，先進(jìn)行人臉檢測(cè)，然后進(jìn)行人眼定位，嘴部定位，最后判斷眼睛的閉合情況及嘴部張合情況。因此人臉檢測(cè)的準(zhǔn)確性對(duì)后期駕駛異常行為的判斷至關(guān)重要。而傳統(tǒng)的非接觸式駕駛異常行為檢測(cè)方法準(zhǔn)確性不高，或者實(shí)時(shí)性較差。

因此，現(xiàn)有技術(shù)存在缺陷，需要改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供一種基于圖像識(shí)別技術(shù)的疲勞駕駛行為檢測(cè)方法，有效地提高異常駕駛行為的檢測(cè)精度。

本發(fā)明的技術(shù)方案如下：提供一種基于圖像識(shí)別技術(shù)的疲勞駕駛行為檢測(cè)方法，包括模型訓(xùn)練階段以及測(cè)試階段，所述模型訓(xùn)練階段包括如下步驟：

步驟S1：輸入圖像：從數(shù)據(jù)庫(kù)中選取人臉數(shù)據(jù)作為樣本圖像；

步驟S2：標(biāo)注樣本圖像：對(duì)收集到的人臉數(shù)據(jù)進(jìn)行標(biāo)注，標(biāo)注的信息包括人臉信息、人臉姿態(tài)信息以及人臉其他特征信息，人臉其它特征信息包括左眼、右眼、左嘴角、右嘴角以及鼻子的信息；

步驟S3：MTDCNN訓(xùn)練：采用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行訓(xùn)練，獲取多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)模型；

步驟S4：損失函數(shù)計(jì)算：分別計(jì)算人臉檢測(cè)損失函數(shù)、人臉姿態(tài)損失函數(shù)、人臉其他特征點(diǎn)損失函數(shù)以及模型總的損失函數(shù)；

所述測(cè)試階段包括：

步驟Q1：輸入圖像：輸入采集到的駕駛員的圖像；

步驟Q2：人臉特征提取：運(yùn)用多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)人臉檢測(cè)模型提取人臉特征，包括提取人臉信息、人臉姿態(tài)信息以及人臉其他特征信息，并將提取到的信息輸入；

步驟Q3：輸出人臉特征：采用canny邊緣檢測(cè)算法提取人臉特征的邊緣特征并輸出特征；