[发明专利]一种融合多种判别技术的注意力检测方法

权利要求书

1.一种融合多种判别技术的注意力检测方法，其特征在于包括如下步骤：

步骤1：人脸姿态估计阶段，利用卷积神经网络对人脸姿态进行分类，将人脸划分到具体的姿态类别，具体为：

步骤1.1：利用深度卷积神经网络对五种不同姿态类别的人脸图像进行训练，得到训练好的人脸姿态分类模型M₁，人脸姿态类别标签C＝{c₁,c₂,c₃,c₄,c₅}，其中，c₁、c₂、c₃、c₄、c₅表示五种不同的人脸姿态，分别对应正脸、45°侧脸、抬头、低头以及75°侧脸；

步骤1.2：令在时间段t内采集到的图像总帧数为N，其中，正面人脸帧数为N₁，45°侧脸帧数为N₂，抬头帧数为N₃，低头帧数为N₄，75°侧脸帧数为N₅；则根据式(1)计算人脸姿态估计阶段的注意力检测结果r₁；

r₁＝(N₁+N₂+N₃)/N (1)

其中，r₁∈[0,1.0]，0表示注意力不专注，1.0表示注意力完全专注；

步骤2：人脸表情分析阶段，利用卷积神经网络对人脸表情进行分类，将人脸表情划分到具体的类别，具体为：

步骤2.1：利用深度卷积神经网络对五种不同表情的人脸图像进行训练，得到训练好的人脸表情分类模型M₂，人脸表情类别标签L＝{l₁,l₂,l₃,l₄,l₅}，其中，l₁、l₂、l₃、l₄、l₅表示五种不同的人脸表情，分别对应正常表情、开心、悲伤、疑惑、惊讶；

步骤2.2：令在时间t内采集到的图像总帧数为N，其中，正常表情帧数为F₁，开心表情帧数为F₂，悲伤表情帧数为F₃，疑惑表情帧数为F₄，惊讶表情帧数为F₅；根据式(2)计算人脸表情分析阶段的注意力检测结果；

r₂＝(F₁+F₄)/N (2)

其中，r₂∈[0,1.0]，0表示注意力不专注，1.0表示注意力完全专注；

步骤3：上半身行为分析阶段，利用卷积神经网络对上半身行为进行分类，将上半身行为划分到具体的类别，具体为：

步骤3.1：利用深度卷积神经网络对四种不同上半身行为的图像进行训练，得到训练好的上半身行为分类模型M₃，上半身行为类别标签K＝{k₁,k₂,k₃,k₄}，其中，k₁、k₂、k₃、k₄表示四种不同的上半身行为，分别对应正常行为、手撑脸、喝水、玩手机；

步骤3.2：令在时间t内采集到的图像总帧数为N，其中，正常行为数为P₁，手撑脸帧数为P₂，喝水帧数为P₃，玩手机帧数为P₄；根据式(3)计算上半身行为分析阶段的注意力检测结果；

r₃＝P₁/N (3)

其中，r₃∈[0,1.0]，0表示注意力不专注，1.0表示注意力完全专注；

步骤4：根据公式(4)和(5)得到注意力综合评估结果RLT；

R＝r₁×r₂×r₃ (4)

其中，R∈[0,1.0]，0表示注意力不专注，1.0表示注意力完全专注。