[發明專利]基于CNN的注意力檢測系統及方法

在審

• 申請號: 202110136798.2
• 申請日: 2021-02-01
• 公開（公告）號: CN112836630A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 曾云輝;王榕;婁越;廖梓鈞;戴源志;陳世帆;陳伊琳;張子怡;郭洪飛;袁博
• 申請（專利權）人: 清華大學深圳國際研究生院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳新創友知識產權代理有限公司 44223
• 代理人: 王震宇

一種基于CNN的注意力檢測方法和系統，包括如下步驟：S1、采集包含待檢測人員面部的視頻信息；S2、對采集的所述視頻信息進行處理，確定圖像中的目標區域；S3、在所述目標區域的基礎上進行人臉的檢測，通過卷積神經網絡進行特征提取，并識別人眼，如果檢測到睜開的人眼則判斷待檢測人員注意力集中，如果未檢測到睜開的人眼則判斷待檢測人員的注意力不集中。本發明通過采集待測人員臉部圖像，分析判斷人眼狀態的變化，可構建一個實時的、非接觸的注意力監測系統，能夠準確、實時地檢測出待測人員如司機的注意力，由此檢測其疲勞狀態，減少交通事故的發生，具有很高的應用價值。

技術領域

本發明涉及圖像分析與處理技術，特別是涉及基于CNN的注意力檢測系統及方法。

背景技術

近些年來，由于汽車工業的發展、高速公路的修建以及公路交通的快捷、便利，使得汽車保有量越來越多，同時也使得公路交通在人們的社會生活中占據了越來越重要的位置。由于疲勞會極大地影響人的判斷力和行為能力，因此，處于疲勞狀態的司機往往難以集中注意力、反應遲緩，在駕駛過程中經常打磕睡、甚至睡著了，從而無法正常駕駛，極易發生撞車、沖出路面等交通事故。專家表明，司機過度疲勞時發生事故的可能性是正常駕駛時的3～4倍。由此可見，待測人員在事故發生前一瞬間的行為和故障直接導致了事故的發生，在所有的待測人員錯誤中，最常見的是知覺錯誤和決策錯誤，產生錯誤的根本原因就是疲勞駕駛。疲勞駕駛是造成交通事故的主要原因之一。對于長途汽車客運駕駛，司機在長時間駕駛后很容易疲勞，存在交通安全隱患。盡管采用了保證休息時間等其他方法避免疲勞駕駛的發生，但是因疲勞引起的交通事故仍然時有發生。由此可見，駕駛疲勞實時檢測成為交通安全的一個重要研究方向。研究待測人員疲勞駕駛實時監測系統具有非常廣闊的應用前景，它對于預防由于疲勞駕駛所引起的交通事故具有重要的意義，是目前交通事故預防的一個熱門課題。如何準確、實時地檢測出待測人員的疲勞狀態，減少交通事故的發生，是亟待解決的問題。

以上背景技術內容的公開僅用于輔助理解本發明的發明構思及技術方案，其并不必然屬于本專利申請的現有技術，在沒有明確的證據表明上述內容在本專利申請的申請日已經公開的情況下，上述背景技術不應當用于評價本申請的新穎性和創造性。

發明內容

本發明的主要目的在于克服上述背景技術的缺陷，提供基于CNN的注意力檢測系統及方法。

為實現上述目的，本發明采用以下技術方案：

一種基于CNN的注意力檢測方法，包括如下步驟：

S1、采集包含待檢測人員面部的視頻信息；

S2、對采集的所述視頻信息進行處理，確定圖像中的目標區域；

S3、在所述目標區域的基礎上進行人臉的檢測，通過卷積神經網絡進行特征提取，并識別人眼，如果檢測到睜開的人眼則判斷待檢測人員注意力集中，如果未檢測到睜開的人眼則判斷待檢測人員的注意力不集中。

進一步地：

步驟S2中，提取所述視頻信息的連續三幀圖像，使用所述連續三幀圖像計算中間幀圖像與前后兩幀圖像的兩個差分圖像，再將所述兩個差分圖像中的對應像素相乘，進而通過預設的閾值來分割出目標區域。

步驟S3中，在所述目標區域的基礎上進行人臉的檢測包括：

采用基于HSV與YCbCr色彩空間的多人臉檢測方法建立膚色模型實現人臉定位，結合膚色特性在對應色彩空間中的取值范圍進行圖像分割，然后根據相應的比例進行人臉檢測定位；優選地，先利用中值濾波方法對分割后的圖像進行降噪處理再進行人臉檢測定位。

步驟S3中，所述卷積神經網絡包括輸入層、卷積層、池化層、全連接層以及輸出層，優選地，卷積層數3-5層。

步驟S3中，通過卷積神經網絡進行特征提取包括：