[发明专利]驾驶员疲劳检测系统

权利要求书

1.驾驶员疲劳检测系统，包括以下步骤：

步骤一、在公开人脸数据集对疲劳检测系统进行预训练，使得检测系统的获取单元检测到是否人脸的精度达到99%；具体地为在公开人脸数据集CASIA WebFace进行预训练，这样的好处在于：对面部变化、肤色、性别更敏感，收敛速度更快；

步骤二、将预训练完毕的疲劳检测系统获取当前驾驶员的面部数据，采用STN空间变换网络，对面部数据中的不同姿势的面部的鲁棒性进行调整；有了STN空间变换网络后，检测完的人脸，直接就可以做对齐操作；关键的一点就是这个矫正过程是可以进行梯度传导的，直接使用ROI pooling取出人脸的feature map，输入STN就可以进行矫正，输出矫正后的人脸；后面还可以再接点卷积操作，直接就可以进行分类，人脸识别的训练；

步骤三、将面部数据进行压缩、扩展，以至少进行一次卷积、池化以及Relu函数的处理，以得出当前面部所处的状态；

池化操作是利用一个矩阵窗口在张量上进行扫描，将每个矩阵窗口中的值通过取最大值或者平均值来减少元素个数；每个池化操作的矩阵窗口大小是由ksize指定的，并且根据步长strides决定移动步长；矩阵窗口直接获得相应的面部所处的状态数据；

经步骤三处理之后的面部数据包括眼睛特征以及嘴巴特征，结合眼睛特征以及口部特征定位出当前面部所处的状态；上述面部所处的状态包括正常、瞌睡或疲劳三种状态：当眼睛睁开同时嘴巴闭合，认定为正常状态；当眼睛睁开同时嘴巴张开，认定为瞌睡状态；当眼睛闭合，认定为疲劳状态。

2.根据权利要求1所述驾驶员疲劳检测系统，其特征在于，所述步骤三中的卷积包括分组卷积、逐点卷积。

3.根据权利要求2所述驾驶员疲劳检测系统，其特征在于，所述分组卷积采用3X3的卷积核，所述逐点卷积采用1X1的卷积核。

4.根据权利要求1所述驾驶员疲劳检测系统，其特征在于，在步骤二与步骤三之间还设置人脸区域分割步骤，将面部数据进行RPN区域候选网络对面部数据进行分割以提取包括眼睛特征或/和嘴巴特征的面部数据。

5.根据权利要求1-4之一所述驾驶员疲劳检测系统，其特征在于，所述疲劳检测系统通过摄像头进行面部数据采集，所述摄像头位于主驾驶位前面区域。