[發明專利]一種用于駕駛員狀態監測的目標檢測方法及裝置

有效

• 申請號: 202010532960.8
• 申請日: 2020-06-11
• 公開（公告）號: CN111814568B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 張世亮;劉鵬;祁亞斐
• 申請（專利權）人: 開易（北京）科技有限公司
• 主分類號: G06V20/59
• 分類號: G06V20/59;G06V40/16;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京知果之信知識產權代理有限公司 11541
• 代理人: 卜榮麗

本申請公開了一種用于駕駛員狀態監測的目標檢測方法及裝置，其中，方法包括：采集駕駛員狀態信息圖像；建立基于深度卷積神經網絡的駕駛員狀態信息檢測模型以及關鍵點對齊模型；得到駕駛員狀態信息邊界框及第一置信度得分；根據第一置信度得分，對邊界框進行過濾；對過濾后的駕駛員狀態信息邊界框進行擴展；得到駕駛員狀態關鍵點坐標以及第二置信度得分；根據第二置信度得分，對邊界框進行過濾；得到過濾后的駕駛員狀態信息邊界框。所述裝置，包括：數據采集模塊、模型建立模塊、第一過濾模塊、第二過濾模塊以及擴展模塊；本申請減少對單一深度學習神經網絡模型的依賴，提高檢測精度，節約人工成本，最大化模型的檢測能力。

技術領域

本申請涉及人臉檢測技術領域，具體而言，涉及一種用于駕駛員狀態監測的目標檢測方法及裝置。

背景技術

目前，隨著人工智能技術的發展，基于深度學習的人臉檢測技術在人臉檢測領域取得了突破性成績。現有技術通過構建深度卷積神經網絡(DCNN)模型、調整目標檢測算法參數等方法，可以極大提高人臉檢測的準確率。在駕駛員狀態監控(DMS)應用場景下，一般首先通過人臉檢測或關鍵點定位來確定駕駛員的臉部位置，然后利用該位置信息來提取ROI(Region Of Interesting)作為駕駛員行為檢測的輸入，即人臉檢測結果的好壞將直接影響到駕駛員行為檢測的準確率。

現有技術方案往往應用單一的深度學習神經網絡模型，通過設置置信度閾值來對輸出的預測結果進行判定。此方法對人臉檢測易產生較多誤檢及漏檢：閾值設置較低時，易將部分類膚色、形狀接近橢圓的物體檢測為人臉；閾值設置較高時，姿態角度較大的人臉，佩戴墨鏡、口罩、帽子等有部分遮蔽的人臉會被該閾值拒識。

解決該問題的一種方法是通過提高深度學習神經網絡模型的表達能力，例如增加訓練樣本的數量及質量、調整訓練方法和超參數、調整模型網絡結構等。但以上方法所耗成本及技術難度都極大，并且調整網絡結構如增加模型寬度和深度會大大增加模型在終端的推理時間，對于DMS這類計算量較小的嵌入式設備，無法達到實時處理數據的需求。另一種方法是通過構建第二個或者多個模型來對第一次的檢測結果進行二次確認，確保檢測結果的可信度，即第一次通過關鍵點或者檢測框進行人臉定位，用定位信息獲取第二次檢測的輸入，用第二次檢測來對結果進行最終確認。但是該方法仍然非常依賴第一次檢測的模型，若第一次檢測的定位信息不準確，會直接影響第二次的檢測結果，從而影響最終檢測結果，而且多個模型會涉及到多個閾值的確定，目前還沒有有效的閾值計算方法，仍然依賴人的經驗來設定。

針對相關技術中因閾值選擇不當，造成的檢測結果精度低的問題，目前尚未提出有效的解決方案。

發明內容

本申請的主要目的在于提供一種用于駕駛員狀態監測的目標檢測方法及裝置，以解決相關技術中因閾值選擇不當，造成的檢測結果精度低的問題。

為了實現上述目的，第一方面，本申請提供了一種用于駕駛員狀態監測的目標檢測方法。

S100：采集駕駛員狀態信息圖像，將所有圖像分為訓練集與測試集；

S101：使用訓練集，建立基于深度卷積神經網絡的駕駛員狀態信息檢測模型以及關鍵點對齊模型；

S102：使用測試集輸入到所述基于深度卷積神經網絡的駕駛員狀態信息檢測模型，得到駕駛員狀態信息邊界框及第一置信度得分；

S103：設置第一置信度閾值，根據第一置信度得分，對駕駛員狀態信息邊界框進行過濾；

S104：對過濾后的駕駛員狀態信息邊界框進行擴展；

S105：使用測試集輸入到所述基于深度卷積神經網絡的駕駛員狀態信息關鍵點對齊模型，得到駕駛員狀態關鍵點坐標以及第二置信度得分；

S106：設置第二置信度閾值，根據第二置信度得分，對駕駛員狀態信息邊界框進行過濾；