[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；驾驶员图像为在驾驶员处于驾驶状态时采集；对于驾驶员图像依次进行人脸检测、关键点检测，以获取驾驶员图像中人脸区域的多个目标ROI区域；对驾驶员图像卷积处理，生成特征图，进而根据目标ROI区域对特征图进行池化处理，以提取多个目标ROI区域在特征图中对应的部分特征图；对多个目标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，进而根据目标ROI拼接特征图确定驾驶员图像中的驾驶员状态。本发明中将特征图中多个目标ROI区域对应部分拼接生成目标ROI拼接特征图，然后对目标ROI拼接特征图进行识别，提高了驾驶员图像的识别准确度。

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。

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。

优选地，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。