[发明专利]基于CNN的注意力检测系统及方法在审

专利信息
申请号: 202110136798.2 申请日: 2021-02-01
公开(公告)号: CN112836630A 公开(公告)日: 2021-05-25
发明(设计)人: 曾云辉;王榕;娄越;廖梓钧;戴源志;陈世帆;陈伊琳;张子怡;郭洪飞;袁博 申请(专利权)人: 清华大学深圳国际研究生院
主分类号: G06K9/00 分类号: G06K9/00;G06K9/34;G06K9/40;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳新创友知识产权代理有限公司 44223 代理人: 王震宇
地址: 518055 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 cnn 注意力 检测 系统 方法
【说明书】:

一种基于CNN的注意力检测方法和系统,包括如下步骤:S1、采集包含待检测人员面部的视频信息;S2、对采集的所述视频信息进行处理,确定图像中的目标区域;S3、在所述目标区域的基础上进行人脸的检测,通过卷积神经网络进行特征提取,并识别人眼,如果检测到睁开的人眼则判断待检测人员注意力集中,如果未检测到睁开的人眼则判断待检测人员的注意力不集中。本发明通过采集待测人员脸部图像,分析判断人眼状态的变化,可构建一个实时的、非接触的注意力监测系统,能够准确、实时地检测出待测人员如司机的注意力,由此检测其疲劳状态,减少交通事故的发生,具有很高的应用价值。

技术领域

本发明涉及图像分析与处理技术,特别是涉及基于CNN的注意力检测系统及方法。

背景技术

近些年来,由于汽车工业的发展、高速公路的修建以及公路交通的快捷、便利,使得汽车保有量越来越多,同时也使得公路交通在人们的社会生活中占据了越来越重要的位置。由于疲劳会极大地影响人的判断力和行为能力,因此,处于疲劳状态的司机往往难以集中注意力、反应迟缓,在驾驶过程中经常打磕睡、甚至睡着了,从而无法正常驾驶,极易发生撞车、冲出路面等交通事故。专家表明,司机过度疲劳时发生事故的可能性是正常驾驶时的3~4倍。由此可见,待测人员在事故发生前一瞬间的行为和故障直接导致了事故的发生,在所有的待测人员错误中,最常见的是知觉错误和决策错误,产生错误的根本原因就是疲劳驾驶。疲劳驾驶是造成交通事故的主要原因之一。对于长途汽车客运驾驶,司机在长时间驾驶后很容易疲劳,存在交通安全隐患。尽管采用了保证休息时间等其他方法避免疲劳驾驶的发生,但是因疲劳引起的交通事故仍然时有发生。由此可见,驾驶疲劳实时检测成为交通安全的一个重要研究方向。研究待测人员疲劳驾驶实时监测系统具有非常广阔的应用前景,它对于预防由于疲劳驾驶所引起的交通事故具有重要的意义,是目前交通事故预防的一个热门课题。如何准确、实时地检测出待测人员的疲劳状态,减少交通事故的发生,是亟待解决的问题。

以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

本发明的主要目的在于克服上述背景技术的缺陷,提供基于CNN的注意力检测系统及方法。

为实现上述目的,本发明采用以下技术方案:

一种基于CNN的注意力检测方法,包括如下步骤:

S1、采集包含待检测人员面部的视频信息;

S2、对采集的所述视频信息进行处理,确定图像中的目标区域;

S3、在所述目标区域的基础上进行人脸的检测,通过卷积神经网络进行特征提取,并识别人眼,如果检测到睁开的人眼则判断待检测人员注意力集中,如果未检测到睁开的人眼则判断待检测人员的注意力不集中。

进一步地:

步骤S2中,提取所述视频信息的连续三帧图像,使用所述连续三帧图像计算中间帧图像与前后两帧图像的两个差分图像,再将所述两个差分图像中的对应像素相乘,进而通过预设的阈值来分割出目标区域。

步骤S3中,在所述目标区域的基础上进行人脸的检测包括:

采用基于HSV与YCbCr色彩空间的多人脸检测方法建立肤色模型实现人脸定位,结合肤色特性在对应色彩空间中的取值范围进行图像分割,然后根据相应的比例进行人脸检测定位;优选地,先利用中值滤波方法对分割后的图像进行降噪处理再进行人脸检测定位。

步骤S3中,所述卷积神经网络包括输入层、卷积层、池化层、全连接层以及输出层,优选地,卷积层数3-5层。

步骤S3中,通过卷积神经网络进行特征提取包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学深圳国际研究生院,未经清华大学深圳国际研究生院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110136798.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code