[發明專利]一種基于多模型的駕駛員抽煙檢測方法

在審

• 申請號: 202110795174.1
• 申請日: 2021-07-14
• 公開（公告）號: CN113591615A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 林家平;王玲;石錫敏
• 申請（專利權）人: 廣州敏視數碼科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州致信偉盛知識產權代理有限公司 44253
• 代理人: 彭玲

本發明公開了一種基于多模型的駕駛員抽煙檢測方法，包括獲取駕駛員抽煙檢測區域圖像，將駕駛員抽煙檢測區域圖像輸入至抽煙手勢識別模型和香煙區域識別模型獲取抽煙手勢識別的概率圖和香煙識別的概率圖，對抽煙手勢識別的概率圖和香煙識別的概率圖的結果進行分析，當同時識別到抽煙手勢以及香煙時，則檢測出駕駛員在抽煙。本發明所述的基于多模型的駕駛員抽煙檢測方法，通過檢測抽煙手勢以及檢測香煙，能降低抽煙檢測的誤報率，且香煙檢測是采用實例分割，對于香煙這種細長目標情況，實例分割避免背景像素帶來的影響，從而提高最終檢測的穩定性。

技術領域

本發明涉及圖像識別技術領域，具體為一種基于多模型的駕駛員抽煙檢測方法。

背景技術

隨著經濟以及汽車技術的發展，全球汽車越來越多，交通越來越發達。但是人們的安全防范意識并沒有相應的增強，這導致交通事故也越發頻繁；所以安全輔助駕駛技術也越來越得到重視。而駕駛員抽煙行為會導致駕駛者分心駕駛，所以抽煙檢測技術是安全駕駛技術的重要組成部分。傳統的抽煙檢測方法包括應用傳統機器學習方法和應用深度學習方法。應用傳統機器學習方法通過提取煙霧的LBP特征、顏色特征、煙霧輪廓不規則駕駛員嘴部區域特征進行融合，再利用SVM分類是否再抽煙，該方法容易受到環境的影響，例如光照，而導致的誤判。應用深度學習方法通過目標檢測模型對香煙進行目標檢測，得到香煙的分類以及位置信息，由于香煙的區域占抽煙區域較小，該方法同樣容易出現誤判。

發明內容

本發明的目的在于提供一種能夠降低抽煙檢測誤報率的基于多模型的駕駛員抽煙檢測方法。

本發明提供了一種基于多模型的駕駛員抽煙檢測方法，包括：

獲取駕駛員抽煙檢測區域圖像；

將駕駛員抽煙檢測區域圖像輸入至抽煙手勢識別模型和香煙區域識別模型獲取抽煙手勢識別的概率圖和香煙識別的概率圖；

對抽煙手勢識別的概率圖和香煙識別的概率圖的結果進行分析，當同時識別到抽煙手勢以及香煙時，則檢測出駕駛員在抽煙。

本發明采用的基于多模型的駕駛員抽煙檢測方法，通過檢測抽煙手勢以及檢測香煙，能降低抽煙檢測的誤報率，且香煙檢測是采用實例分割，即識別出圖像每個像素屬于香煙的概率，對于香煙這種細長目標情況，實例分割避免背景像素帶來的影響，從而提高最終檢測的穩定性；。

附圖說明

圖1為本發明實施例提供的基于多模型的駕駛員抽煙檢測方法的流程示意圖；

圖2為本發明實施例提供的抽煙手勢識別模型示意圖；

圖3為本發明實施例提供的香煙區域識別模型示意圖；

圖4為本發明實施例提供的含抽煙手勢的樣品圖像生成流程示意圖；

圖5為本發明實施例提供的香煙區域樣品圖像生成流程示意圖；

圖6為本發明實施例提供的香煙檢測的實例示意圖。

具體實施方式

如圖1所示，本發明實施例提供的一種基于多模型的駕駛員抽煙檢測方法，包括通過攝像設備獲取圖像，對圖像進行全圖人臉檢測，獲得人臉的區域，計算各個人臉區域的面積，提取面積最大的人臉圖像，將人臉圖像輸入人臉對齊模型，提取到一系列具有人臉特征點的人臉圖像，根據具有人臉特征點的人臉圖像，提取駕駛員嘴巴周圍區域圖像，根據提取到的駕駛員嘴巴周圍區域圖像獲取駕駛員抽煙檢測區域圖像，將駕駛員抽煙檢測區域圖像輸入至抽煙手勢識別模型和香煙區域識別模型獲取抽煙手勢識別的概率圖和香煙識別的概率圖，對抽煙手勢識別的概率圖和香煙識別的概率圖的結果進行分析，當同時識別到抽煙手勢以及香煙時，則檢測出駕駛員在抽煙。

將駕駛員抽煙檢測區域圖像輸入至抽煙手勢識別模型和香煙區域識別模型獲取抽煙手勢識別的概率圖和香煙識別的概率圖具體為：