[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

权利要求书

1.一种基于深度学习的驾驶员状态检测方法，其特征在于，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：对于所述驾驶员图像依次进行人脸检测、关键点检测，以获取所述驾驶员图像中人脸区域的多个目标ROI区域；

步骤S3：对所述驾驶员图像卷积处理，生成特征图，进而根据所述目标ROI区域对所述特征图进行池化处理，以提取多个目标ROI区域在所述特征图中对应的部分特征图；

步骤S4：对多个所述目标ROI区域对应的部分特征图进行拼接处理生成目标ROI拼接特征图，进而根据所述目标ROI拼接特征图确定所述驾驶员图像中的驾驶员状态。

2.根据权利要求1所述的基于深度学习的驾驶员状态检测方法，其特征在于，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待检测图像。

3.根据权利要求1所述的基于深度学习的驾驶员状态检测方法，其特征在于，所述步骤S3包括如下步骤：

步骤S301：对所述驾驶员图像卷积处理，生成特征图；

步骤S302：根据所述目标ROI区域生成对应的ROI标签；

步骤S303：根据所述ROI标签对所述特征图进行池化处理，以提取多个目标ROI区域在所述特征图中对应的部分特征图。

4.根据权利要求3所述的基于深度学习的驾驶员状态检测方法，其特征在于，所述目标ROI区域包括眼部ROI区域和嘴部ROI区域；

所述驾驶员状态包括闭眼状态和打哈欠状态。

5.根据权利要求1所述的基于深度学习的驾驶员状态检测方法，其特征在于，所述步骤S1包括如下步骤：

步骤S101：采集驾驶员处于驾驶状态的视频流；

步骤S102：获取所述视频流，将所述视频流分解为若干依次按时间顺序依次排列的图像帧；

步骤S103：获取每一所述图像帧，所述图像帧为所述驾驶员图像。

6.一种基于深度学习的驾驶员状态检测系统，其特征在于，包括如下模块：

图像获取模块，用于获取驾驶员图像；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；

人脸检测模块，用于对于所述驾驶员图像依次进行人脸检测、关键点检测，以获取所述驾驶员图像中人脸区域的多个目标ROI区域；

特征提取模块，用于对所述驾驶员图像卷积处理，生成特征图，进而根据所述目标ROI区域对所述特征图进行池化处理，以提取多个目标ROI区域在所述特征图中对应的部分特征图；

拼接识别模块，用于对多个所述目标ROI区域进行拼接处理生成目标ROI拼接特征图，进而根据所述目标ROI拼接特征图确定所述驾驶员图像中的驾驶员状态。

7.一种基于深度学习的驾驶员状态检测系统，其特征在于，包括如下模块：

图像获取模块，用于获取驾驶员图像；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；

人脸检测模块，用于对于所述驾驶员图像依次进行人脸检测、关键点检测，以获取所述驾驶员图像中人脸区域的多个目标ROI区域；

状态识别模块，用于对所述驾驶员图像卷积处理，生成特征图，进而根据所述目标ROI区域对所述特征图进行池化处理，以提取多个目标ROI区域在所述特征图中对应的部分特征图，对多个所述目标ROI区域对应的部分特征图进行拼接处理生成目标ROI拼接特征图，进而根据所述目标ROI拼接特征图确定所述驾驶员图像中的驾驶员状态。