[发明专利]驾驶员视线检测方法、系统、介质及设备

说明书

驾驶员视线检测方法、系统、介质及设备，包括：配置通信参数信息，初始化硬件设备，预设信息处理逻辑；与服务器端建立连接，接收版本信息；检测系统；从视频数据中提取单帧图片信息为图像分析样本；提取当前单帧图片信息中的转头方向特征信息和视线角度特征信息，根据特征信息构建视线深度神经网络模型，根据图像分析样本进行视线深度神经网络模型的深度学习；根据深度神经网络模型对比视线特征向量与图像分析样本得驾驶员视线正误判定信息；将单帧图片信息、判定信息存入检测信息和视频数据队列中，产生日志信息并存储，管理日志信息并发至服务器端供调取查看。

技术领域

本发明涉及驾驶员驾考检测系统，特别是涉及驾驶员视线检测方法、系统、介质及设备。

背景技术

随着时间的推进，中国驾驶人数量持续增多，加上传统技术中驾校通过教练人工配合简易电子检测提醒装置及系统监控学员进行驾驶考试，造成了驾校的驾驶人培养效率低下，驾驶人的驾驶技能学习质量亦无法得到保证，因此，伴随着驾驶人教育培训工作效率和效果的不理想，驾驶技能培训资源日益紧张的问题进一步凸显。由于在日常机动车辆见识考试检测的过程中，驾驶员视线检测时驾驶人考试检测过程中一项重要功能要求，而大部分驾驶人考试失误与考试人员的视线变化状态关系密切，传统技术中驾校教练坐在考试人员体侧并排，无法准确对考试人员视线关注方向准确检测。

目前，驾驶人检测方法主要有以下几种：基于传感器的检测，该类方法主要基于可穿戴式传感器，实时测量驾驶人身体的各部分的加速度信息或角速度信息，然后依据测量的信息检测驾驶人的行为状态。该类方法的缺点是需要随身携带穿戴式传感器，设备成本较高，使用极不方便。另一类技术主要基于视频图像分析的检测方法，通过直接提取图像特征及检测数据。该类方法的的缺点是背景建模不精确，直接使用提取的特征数据检测误差较大，造成误检和漏检较多，特征鲁棒性较低。

现有技术中需要随身携带穿戴式传感器，设备成本较高，使用不便，存在检测取值误差较大，造成误检和漏检较多，存在硬件成本高，特征鲁棒性较低，信息利用率低以及检测结果精确度低的技术问题。

发明内容

鉴于以上现有技术的硬件成本高，特征鲁棒性较低，信息利用率低以及检测结果精确度低的技术问题，本发明的目的在于提供驾驶员视线检测方法、系统、介质及设备，本发明解决了现有技术中的硬件成本高，特征鲁棒性较弱，信息利用率低以及检测结果精确度低的技术问题。

为实现上述目的及其他相关目的，本发明提供一种驾驶员视线检测方法，包括：通过登录界面进行硬件上电操作开启系统，配置通信参数信息，初始化图像信息采集设备，预设信息处理逻辑；与服务器端建立通信连接，并接收系统版本信息；检测系统版本、存储设备及图像信息采集设备，完成检测并发出处理触发信息；接收处理触发信息，根据处理触发信息触发系统采集视频数据，从视频数据中提取单帧图片信息并保存为图像分析样本；提取当前单帧图片信息中的转头方向特征信息和视线角度特征信息，根据转头方向特征信息和视线角度特征信息构建视线深度神经网络模型，根据图像分析样本进行视线深度神经网络模型的深度学习；根据所述深度神经网络模型对比所述视线特征向量与所述图像分析样本得所述驾驶员视线正误判定信息，识别驾驶员的面部在驾驶过程中观察左B柱、左后视镜、内后视镜、俯视仪表盘右B柱、右后视镜、正前方、低头看档等八个动作特征；将单帧图片信息、驾驶员视线正误判定信息存入检测信息和视频数据队列中，根据队列产生日志信息并存储，管理日志信息并发送至服务器端。

于本发明的一实施方式中，通过界面进行硬件上电操作，配置通信参数信息，初始化图像信息采集设备，预设信息处理逻辑，包括：开启硬件设备；检测硬件设备，判断硬件设备是否已安装；若是，则初始化通信参数信息、摄像头；若否，则在硬件设备上安装系统；预设信息处理逻辑。