[发明专利]一种基于改进的级联卷积神经网的人体疲劳检测方法

说明书

本发明请求保护一种基于改进的级联卷积神经网的人体疲劳检测方法，该方法包括步骤：对带人脸图像进行肤色检测结合预训练CNN分类器识别人脸区域；对得到的人脸图像设计了一种级联神经网络结构来检测人眼以及人眼特征点，其中一级网络采用灰度积分投影粗定位与多任务卷积神经(G‑RCNN)网实现人眼的检测与定位，二级网络(PCNN)将人眼图片进行分割后采用并联子卷积系统进行特征点回归预测；利用人眼特征点计算人眼开闭度识别当前人眼状态；S4，根据PERCLOS准则判断人体疲劳状态；本发明可获得较高识别率、能够对光照和随机噪声具有较强的鲁棒性。

技术领域

本发明属于图像处理与模式识别领域，特别是一种基于改进的级联卷积神经网的人体疲劳检测方法。

背景技术

疲劳是指机体在一定环境条件下，由于过于长时间或过度紧张的体力或脑力劳动而引起的劳动效率趋向下降的状态，精神疲劳是多种病症的起源。疲劳不仅危害人的身心健康，更会给社会生产生活带来重大安全隐患，尤其是在电力工业、建筑高空作业、车辆驾驶、航空航天、大型复杂工业等高风险作业中，生产操控人员的精神疲劳引起的注意力分散、反应迟钝或身体协调性下降，都可能导致极为严重的生产事故。在汽车驾驶方面，随着中国汽车总量逐年增加，交通事故也更为频发，而驾驶员疲劳驾驶是引发交通事故的重要原因之一。因此，对驾驶员是否疲劳进行检测并及时给予预警对于减少由于疲劳而产生的汽车驾驶事故有着非常重要的实际意义。

目前，对疲劳检测主要分为生理特征信号检测、视觉检测等方式。基于生理特征信号的检测方式具有较高的准确率，但是该方法信号采集设备复杂，相关设备的小型化与实用化也仍有不足，同时佩戴这些设备会对驾驶员驾驶行为造成一些不便，因此目前的主要研究还是在实验室进行。而基于视觉检测的方式在保持较高准确率的同时设备要求低，同时具有非入侵性特点，不会给驾驶员行为带来不便，是疲劳检测的主要研究方向之一。人眼状态是最能反映人体疲劳的因素之一，基于眼睛状态的疲劳检测主要包括人眼位置检测以及人眼状态的识别。Deng等人利用利用肤色模型结合人脸三庭五眼的布局定位人眼，并利用人眼的积分投影区域大小识别人眼状态，这种方法虽然算法简单，但是定位的准确率受环境影响较大，且由于人眼区域在图像中占的比例很小，利用积分投影的人眼状态识别准确率较低。李响等利用图像的矩特征通过计算人眼模板的Zernike矩特征向量与待识别的人脸区域做相似度计算，选取相似度最大的区域作为人眼区域，该方法类似模板匹配法，虽然能够减小环境对于检测结果的影响，但计算量较大，并且结果受选取的人眼模板影响。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种提高识别率、能够对光照和随机噪声具有较强的鲁棒性的基于改进的级联卷积神经网的人体疲劳检测方法。本发明的技术方案如下：

一种基于改进的级联卷积神经网的人体疲劳检测方法，其包括以下步骤：

S1、将人脸面部图像由RGB空间映射到YCrCb空间；R,G,B代表红绿蓝三原色，Y代表亮度信息，Cb，Cr分别表示色彩和饱和度信息；

S2、采用Otsu最大类间方差算法进行自适应近肤色阈值分割，去除与肤色信息差距较大的背景信息，经过腐蚀、膨胀过滤噪点，保留肤色候选区域；

S3、分割肤色候选区域的最小外接矩形区域图像，输入CNN分类器分类获取人脸区域图像；

S4、利用灰度积分投影对人脸图像进行人眼粗定位；

S5、利用GRCNN灰度-区域卷积神经网检测人眼，对人眼完成精定位；