[发明专利]一种基于卷积神经网络的疲劳驾驶面部识别方法

权利要求书

1.一种基于卷积神经网络的疲劳驾驶面部识别方法，其特征在于：包括以下步骤：

步骤一、构建用于进行疲劳驾驶面部识别的卷积神经网络结构；

步骤二、训练卷积神经网络；

步骤三、利用卷积神经网络对疲劳驾驶面部图像进行识别。

2.按照权利要求1所述的一种基于卷积神经网络的疲劳驾驶面部识别方法，其特征在于：步骤二中所述训练卷积神经网络的具体步骤为：

步骤201、选取多张原始图像，并对每张原始图像进行预处理，得到卷积神经网络的训练样本集；

步骤202、对步骤201中得到的训练样本集中的每个训练样本设定标签，记为“疲劳驾驶”和“非疲劳驾驶”；

步骤203、将步骤201得到各个训练样本与步骤202对应设定的标签一起输入到构建的卷积神经网络中进行训练，得到训练后的卷积神经网络模型。

3.按照权利要求1所述的一种基于卷积神经网络的疲劳驾驶面部识别方法，其特征在于：步骤三中所述利用卷积神经网络对疲劳驾驶面部图像进行识别的具体步骤为：

步骤301、输入待识别的原始图像；

步骤302、从待识别的原始图像中分割出面部图像；

步骤303、将待识别的原始图像与步骤302得到的图像进行与操作，得到面部的真彩图像，作为识别样本；

步骤304、将步骤303中得到的识别样本输入到步骤203中得到的训练后的卷积神经网络模型中，进行疲劳驾驶面部识别，获得“疲劳驾驶”或“非疲劳驾驶”的识别结果。

4.按照权利要求2所述的一种基于卷积神经网络的疲劳驾驶面部识别方法，其特征在于：步骤201中所述选取多张原始图像，并对每张原始图像进行预处理，得到卷积神经网络的训练样本集的具体步骤为：

步骤2011、输入每张原始图像；

步骤2012、从每张原始图像中分割出面部图像；

步骤2013、将各张原始图像与步骤2012得到的与原始图像对应的分割图像进行与操作，得到面部的真彩图像。

5.按照权利要求4所述的一种基于卷积神经网络的疲劳驾驶面部识别方法，其特征在于：步骤2012中所述从每张原始图像中分割出面部图像的具体方法为：将每张原始图像中满足条件的像素分割出来，视为面部图像像素，原始图像中所有面部图像像素组成面部图像，其中，R(i,j)为RGB颜色空间中，位于图像坐标(i,j)处的R通道上的像素值，G(i,j)为RGB颜色空间中，位于图像坐标(i,j)处的G通道上的像素值，Y(i,j)为YCbCr颜色空间中，位于图像坐标(i,j)处的Y通道上的像素值，Y_mean为YCbCr颜色空间中，Y通道上图像的平均像素值，Cb(i,j)为YCbCr颜色空间中，位于图像坐标(i,j)处的Cb通道上的像素值，Cb_mean为YCbCr颜色空间中，Cb通道上图像的平均像素值，Cr(i,j)为YCbCr颜色空间中，位于图像坐标(i,j)处的Cr通道上的像素值，Cr_mean为YCbCr颜色空间中，Cr通道上图像的平均像素值。