[发明专利]基于深度学习的驾驶员状态检测方法、系统、设备及介质

说明书

本发明提供了一种基于深度学习的驾驶员状态检测方法、系统、设备及介质，包括如下步骤：获取驾驶员图像；所述驾驶员图像为在驾驶员处于驾驶状态时采集，展示驾驶员的驾驶状态的图像；对所述驾驶员图像依次进行人脸检测、关键点检测，检测出所述驾驶员图像中人脸区域的多个目标ROI区域以生成待检测图像；根据预设置的人脸分类模型对所述待检测图像进行识别，以确定所述驾驶员图像中的驾驶员状态。本发明通过不断获取驾驶员图像的，将驾驶员图像进行人脸检测后获取人脸区域和位于人脸区域的目标ROI区域，通过对所述驾驶员图像和目标ROI区域进行识别确定所述驾驶员图像中的驾驶员状态，从而能够及时对处于危险驾驶状态的驾驶员进行提醒，实现对可能发生的交通事故进行预防。

技术领域

本发明涉及驾驶员状态检测系统，具体地，涉及一种基于深度学习的驾驶员状态检测方法、系统、设备及介质。

背景技术

根据中国公安部的最新数据显示，2018年中国机动车保有量已达3.27亿辆，机动车驾驶员则达到了4.09亿人。驾驶员疲劳驾驶是造成交通事故的重要原因之一，并且随着驾驶员人数的激增，这一危害的严重性愈加突显。研究驾驶员疲劳检测方法，监测驾驶员状态，在其疲劳时进行提醒或干预，对于保护驾驶员及行人的安全具有重大意义。因此驾驶员状态检测系统(Driver Monitoring System，DMS)成为了重要的研究领域，为公安部及各大汽车产商所关注。其主要流程为利用红外摄像头所拍摄的驾驶员位置图像，通过人脸检测等方法进行驾驶员状态的识别。

在其发展过程中，通过机器视觉的手段对驾驶员面部特征进行检测并判别疲劳状态是目前最具发展前景的检测方法。但是受驾驶员个体差异、复杂的驾驶环境、传统特征提取的局限性等因素的影响，这一方法仍存在许多技术瓶颈。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于深度学习的驾驶员状态检测方法、系统、设备及介质。

根据本发明提供的基于深度学习的驾驶员状态检测方法，包括如下步骤：

步骤S1：获取驾驶员图像；所述驾驶员图像为在驾驶员处于驾驶状态时采集，展示驾驶员的驾驶状态的图像；

步骤S2：对所述驾驶员图像依次进行人脸检测、关键点检测，检测出所述驾驶员图像中人脸区域的多个目标ROI区域以生成待检测图像；

步骤S3：根据预设置的人脸分类模型对所述待检测图像进行识别，以确定所述驾驶员图像中的驾驶员状态。

优选地，所述步骤S2包括如下步骤：

步骤S201：对所述驾驶员图像进行人脸检测，确定所述驾驶员图像中的人脸区域；

步骤S202：对所述人脸区域进行关键点检测，确定所述人脸区域中的多个目标ROI区域的位置；

步骤S203：对检测出人脸区域和目标ROI区域的位置的所述驾驶员图像进行归一化处理至预设定的尺寸以生成所述待检测图像。

优选地，所述人脸分类模型的训练包括如下步骤：

步骤M1：采集训练图像，所述训练图像包括闭眼训练图像、打哈欠训练图像、打电话训练图像、吸烟训练图像、分神训练图像以及正常驾驶图像；

步骤M2：对于所述训练图像进行人脸检测和关键点检测后归一化处理至预设定的尺寸；

步骤M3：将归一化处理后的所述训练图像由长、宽、通道数的格式转化为通道数、长、宽的格式；

步骤M4：将格式转化后的所述训练图像中每一类型的训练图像分为训练集和测试集后分别输入预设置的神经网络模型进行训练生成所述人脸分类模型。

优选地，所述人脸分类模型包括闭眼识别模型、打哈欠识别模型、打电话识别模型、吸烟识别模型以及分神识别模型；