[发明专利]一种驾驶人自助体检机

权利要求书

1.一种驾驶人自助体检机，其特征在于，包括机体、设于机体上的摄像头、控制装置及数据处理装置，所述控制装置用于控制所述摄像头对驾驶人的不同部位进行拍摄，并将拍摄得到的原图片发送给所述数据处理装置，所述数据处理装置通过预设的基于全卷积神经网络的关键点检测系统，对接收到的驾驶人的不同部位的原图片进行处理得到不同的人体关键点位置，并基于所述不同的人体关键点位置进行包括转头检测、举手检测、手指检测以及遮掩检测的判断；

所述关键点检测系统包括图片输入模块、预处理裁剪模块、全卷积网络特征提取模块和热图回归输出模块，所述图片输入模块用于输入驾驶人的不同部位的图片，所述预处理裁剪模块用于检测并裁剪图片的感兴趣区域后缩放到固定大小，所述全卷积网络特征提取模块用于提取特征后通过所述热图回归输出模块输出分辨率大小为输入图片的1/4且维数与关键点个数相同的多维热图，其中，训练数据标签处理及优化损失目标如下：

I_gt(x_landmark，y_landmark)＝1

I_gt(x_{landmark_}，y_{landmark_})＝0      (2-1)

上式(2-1)中I_gt表示与原图大小相一致的真值标签图，其中(x_landmark，y_landmark)表示关键点位置的坐标，其对应的像素值为1，其他非关键点位置(x_{landmark_}，y_{landmark_})的像素值为0；在此基础之上，进行二维高斯核卷积处理，生成Heatmap概率图，记为H，如下式(2-2)、(2-3)所示：

H(x，y)＝G(x，y)*I_gt(x，y)       (2-3)

其中，σ_x＝σ_y＝1.5，x_landmark，y_landmark分别为真实关键点的横坐标和纵坐标，(x，y)表示热图上一个点；总损失函数如下式(2-4)描述为：

其中H_j和H_j表示预测和真实热图，j表示第j个关键点，N为关键点的个数；

由此，对上述损失目标进行梯度下降法迭代训练，找到最优解；之后在测试推断阶段，通过全卷积操作过程的步长及预测热图推导出关键点在原图中的坐标位置；

其中，所述由此对上述损失目标进行梯度下降法迭代训练，找到最优解；之后在测试推断阶段，通过全卷积操作过程的步长及预测热图推导出关键点在原图中的坐标位置，具体包括：

先将待测输入图像经模型推断得到N维预测热图，其每个维度的大小为输入的1/4，并找到预测分数最大的关键点坐标，实现粗略定位；之后，进一步做后处理，由N个关键点对应的热图，根据附近坐标的位置关系进一步修正，得到更加精确的坐标；最后，将处理后的图像缩放至原图大小，从而得到最终的关键点。

2.根据权利要求1所述的驾驶人自助体检机，其特征在于，所述转头检测的判断过程如下：通过所述摄像头获取驾驶人的人脸的视频图片，通过所述关键点检测系统对于输入的每帧视频图片处理后进行人脸特征数据提取，从每张图片中提取68个人脸特征点，通过这68个人脸特征点的坐标数据固定选取鼻子关键点，以及鼻子水平距离对应的脸边缘关键点，计算鼻子关键点与脸边缘关键点距离，当鼻子关键点与脸边缘关键点距离超过设定距离阈值时，认为躯干检测的左右转头检测通过，其中距离阈值设置为整个脸宽的20％。

3.根据权利要求1所述的驾驶人自助体检机，其特征在于，所述举手检测的判断过程如下：通过所述摄像头获取驾驶人包括人脸、双手和双脚的整体视频图片，通过所述关键点检测系统对于输入的每帧视频图片处理后进行人体特征数据提取，从每张图片中提取21个人体特征点作为21个关键点，包括：头顶、左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角、脖子、左肩、右肩、左手肘、右手肘、左手腕、右手腕、左髋部、右髋部、左膝、右膝、左脚踝和右脚踝，通过这21个关键点的坐标数据计算左右手腕关键点高于左右肩关键点并且左右手肘坐标高于提示线时，则判定举手检测通过。