[發(fā)明專利]疲勞駕駛檢測方法、裝置、設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202110434077.X
• 申請日: 2021-04-22
• 公開（公告）號: CN113191236A
• 公開（公告）日: 2021-07-30
• 發(fā)明（設計）人: 徐夢佳;李斯;趙齊輝
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海泰能知識產權代理事務所(普通合伙) 31233
• 代理人: 錢文斌;宋纓

本發(fā)明涉及一種疲勞駕駛檢測方法、裝置、設備及存儲介質，其中，方法包括：獲取多張駕駛員的人臉圖片；對所述多張駕駛員的人臉圖片上的人臉特征進行標注，得到多個訓練圖像數據；將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型；獲取待檢測的監(jiān)控視頻，并將所述監(jiān)控視頻輸入至所述檢測模型，得到檢測結果；根據所述檢測結果確定駕駛員的駕駛狀態(tài)。本發(fā)明無需穿戴用于檢測生理信號的檢測設備，減少對個人依賴程度，提高疲勞駕駛的檢測精度。

技術領域

本發(fā)明涉及圖像識別處理技術領域，特別是涉及一種疲勞駕駛檢測方法、裝置、設備及存儲介質。

背景技術

物流運輸的至關重要的環(huán)節(jié)就是公路運輸，但是公路運輸就免不了貨運車駕駛，目前貨車駕駛員素質參差不齊，會有很多不符合規(guī)定的行為影響帶來安全隱患。一般規(guī)定四小時駕駛需要強制休息，但是有的駕駛員為了趕時間會疲勞駕駛，因此有必要通過安全系統(tǒng)來監(jiān)測疲勞駕駛行為。

目前，駕駛員疲勞狀態(tài)的檢測方法主要包括基于駕駛員生理信號和基于駕駛員操作行為的檢測方法。其中，基于駕駛員生理信號的檢測方法，如腦電信號、心電信號等的測量的檢測方法，駕駛員需要穿戴檢測生理信號的設備，且對個人依賴程度較大。基于駕駛員的操作行為的檢測方法，如方向盤操作等操作推斷駕駛員疲勞狀態(tài)，受到個人習慣、行駛速度、道路環(huán)境等影響，因此推測精度較低。

發(fā)明內容

本發(fā)明所要解決的技術問題是提供一種疲勞駕駛檢測方法、裝置、設備及存儲介質，提高疲勞駕駛的檢測精度。

本發(fā)明解決其技術問題所采用的技術方案是：提供一種疲勞駕駛檢測方法，包括以下步驟：

獲取多張駕駛員的人臉圖片；

對所述多張駕駛員的人臉圖片上的人臉特征進行標注，得到多個訓練圖像數據；

將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型，其中，所述目標檢測網絡為yolov3-spp模型，包括Darknet-53層、空間金字塔池化層和輸出層；

獲取待檢測的監(jiān)控視頻，并將所述監(jiān)控視頻輸入至所述檢測模型，得到檢測結果；

根據所述檢測結果確定駕駛員的駕駛狀態(tài)。

所述對所述多張駕駛員的人臉圖片上的人臉特征進行標注包括：

調用圖片標注工具，對所述人臉圖片上的人臉特征進行選取，并完成標注，得到訓練圖像數據；所述人臉特征包括眼睛和嘴巴。

所述將所述多個訓練圖像數據輸入至目標檢測網絡中進行訓練，建立檢測模型包括：

將所述訓練圖像數據輸入至所述Darknet-53層進行特征提取，得到第一特征圖；

將所述第一特征圖輸入至所述空間金字塔池化層進行池化處理，得到第二特征圖；

將所述第一特征圖和第二特征圖輸入至所述輸出層得到多個檢測框；

調用損失函數計算所述檢測框的位置的回歸損失，并根據回歸損失對所述yolov3-spp模型的參數進行調整，直至所述yolov3-spp模型收斂，得到檢測模型。

所述Darknet-53層的激活函數為hard-Sigmoid函數。

所述將所述第二特征圖輸入至所述輸出層得到多個檢測框后還包括：

計算所述多個檢測框中重疊的檢測框的置信度；

選擇置信度最高的檢測框作為建議框進行處理，得到新的置信度得分，將置信度得分最高的檢測框進行保存；

去掉所述置信度得分最高的檢測框，得到N-1個重疊的檢測框，并重復上一步驟直至最后一個檢測框；