[发明专利]一种基于深度学习的驾驶员手部检测方法及系统

说明书

本发明公开一种基于深度学习的驾驶员手部检测方法及系统，包括：获取手部标注图像；在深度学习网络模型的主干网络中每个特征层上添加注意力机制，在注意力机制后连接由空间金字塔池化层和金字塔注意力网络组成的残差单元；对手部标注图像依次经主干网络和残差单元进行自下而上和自上而下的特征提取，根据得到的特征图对深度学习网络模型进行训练；对待测手部图像根据训练后的深度学习网络模型得到驾驶员手部的位置。通过将注意力机制模块添加到YOLOv4中主干网络CSPDarknet53中，优化深度学习网络，降低复杂驾驶环境中光照、遮挡与自遮挡等对驾驶员手部检测的影响，提高驾驶员手部检测的准确性。

技术领域

本发明涉及深度学习技术领域，特别是涉及一种基于深度学习的驾驶员手部检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着社会经济的发展，越来越多的人倾向于使用汽车作为代步工具，汽车数量与日俱增，交通拥挤和道路安全问题也日益严峻，道路交通安全已经极大地威胁着社会公众生命和财产。交通事故发生的其中一个重要原因就是驾驶员的不良驾驶操作行为，由于缺乏安全意识，许多驾驶员在驾驶过程中出现不专注的驾驶行为，因此驾驶员驾驶行为监测在安全驾驶领域发挥重要作用。众所周知，驾驶过程中手部是驾驶员进行车辆驾驶最为重要的器官，因此准确的驾驶员手部检测对驾驶安全具有重要意义。

手部检测是指从单帧的图像中检测并分割出手部区域，从而为基于手部的行为分析提供数据支撑，手部检测与跟踪的研究在计算机视觉界得到了广泛的研究。发明人认为，基于视觉的驾驶员手部检测面临着一系列的挑战：首先，手的外观几乎是一致的，缺乏特征性的局部特征；其次，驾驶环境下所采集的图像中，驾驶员手部经常出现外部遮挡以及自遮挡；另外，驾驶过程中通常会出现光照变化剧烈、行驶颠簸等问题，从而导致所采集图像质量的下降。

发明内容

为了解决上述问题，本发明提出了一种基于深度学习的驾驶员手部检测方法及系统，通过将注意力机制模块添加到YOLOv4中主干网络CSPDarknet53中，优化深度学习网络，降低复杂驾驶环境中光照、遮挡与自遮挡等对驾驶员手部检测的影响，提高驾驶员手部检测的准确性。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种基于深度学习的驾驶员手部检测方法，包括：

获取手部标注图像；

在深度学习网络模型的主干网络中每个特征层上添加注意力机制，在注意力机制后连接由空间金字塔池化层和金字塔注意力网络组成的残差单元；

对手部标注图像依次经主干网络和残差单元进行自下而上和自上而下的特征提取，根据得到的特征图对深度学习网络模型进行训练；

对待测手部图像根据训练后的深度学习网络模型得到驾驶员手部的位置。

第二方面，本发明提供一种基于深度学习的驾驶员手部检测系统，包括：

图像获取模块，用于获取手部标注图像；

网络改进模块，用于在深度学习网络模型的主干网络中每个特征层上添加注意力机制，在注意力机制后连接由空间金字塔池化层和金字塔注意力网络组成的残差单元；

网络训练模块，用于对手部标注图像依次经主干网络和残差单元进行自下而上和自上而下的特征提取，根据得到的特征图对深度学习网络模型进行训练；

手部检测模块，用于对待测手部图像根据训练后的深度学习网络模型得到驾驶员手部的位置。

第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。