[发明专利]一种基于面部关键点识别和支持向量机相结合的分心驾驶检测方法

说明书

一种基于面部关键点识别和支持向量机相结合的分心驾驶检测方法，包括：采集驾驶员面部图像，提取人脸特征部位信息，输出人脸关键点位置坐标，进行视频追踪并将一段时间序列的关键点位置坐标形成一维数组，输入支持向量机模型，并制定判定阈值进行分心状态判断。本发明的目的在于研发一种通适性算法，通过视频传感器采集的驾驶人面部数据，结合交通工程理论，进行驾驶员分心驾驶状态侦测，对于后续形成完善的驾驶员异常驾驶行为监控系统等方面具有现实意义。

技术领域

本发明涉及一种基于面部关键点识别和支持向量机相结合的分心驾驶检测方法。

背景技术

分心驾驶是指某种发生在驾驶人将注意力从驾驶任务分散到其他活动上的特定注意力不集中状态。驾驶人在日常驾驶时经常会产生分心行为，比如左顾右盼，低头看手机等。驾驶人的分心驾驶行为会使得驾驶人的视线偏离道路，不能及时观察到道路交通环境的变化，使得驾驶人对紧急事件反应不及时。

分心驾驶已造成很大的道路交通安全隐患。根据美国道路交通安全署统计数据，美国在2018年由分心驾驶引起的交通事故共造成2,841人死亡，约40万人受伤。

分心驾驶存在通过立法手段根治的可行性不高，监管困难，且缺乏有效可靠的设备检测等问题。

发明内容

本发明基于面部关键点识别和支持向量机相结合的算法对驾驶人左顾右盼、低头等分心状态进行检测，以便引入车辆驾驶人监控设施，在驾驶人分心时予以及时提醒，将其注意力召回到驾驶任务本身。

本发明的技术方案：

一种基于面部关键点识别和支持向量机相结合的分心驾驶检测方法，其特征在于，包括如下步骤：

1)将图像传感器采集到的视频流中的每一帧取出，利用构建主干网络结构用于关键点识别，并引入辅助神经网络以稳定地捕获面部关键点，再面部关键点识别模型(APractical Facial Landmark Detector,PLFD)进行人脸面部特征定位；

2)根据得到的人脸特征定位，提取98个特征关键点的横纵坐标，并将一段时间序列的关键点坐标形成一维数组作为后续模型输入；

3)利用核函数为线性核函数(Linear Kernel)的SVM支持向量机对各个驾驶人的面部视频关键点位置特征进行建模，对驾驶人的分心驾驶状态进行分类。

所述步骤1)具体包括步骤：

1.1首先将驾驶人面部视频的每一帧拆分成图片，并为图片人工加上标签，若驾驶人处于“左顾右盼”、“低头看手机”分心驾驶行为，则将图片标为“1”，若驾驶人处于无分心驾驶状态则标为“0”；提供给步骤2)；

1.2利用MobileNet单元构建主干网络结构，得到关键点识别的主干网络；

1.3为了更稳定地捕获面部关键点，引入辅助神经网络，获取偏航角、俯仰角和侧倾角3D旋转信息；利用该辅助神经网络不要求必须获取驾驶人正脸，在驾驶人面部转动幅度较大时也可获得关键点位置；

1.4最后利用已有的PLFD模型对驾驶人面部图像进行关键点进行识别，每张图片会识别出98个面部关键点，并存储其位置信息。

所述步骤2)具体包括：

2.1提取每张图片的98个面部关键点横纵坐标，其中第i个关键点的坐标为 (x_i,y_i)，i＝1,2,…,98；将每张图像的关键点坐标组合为196维的特征V＝{x₁,y₁, x₂,y₂,…,x₉₈,y₉₈}；