[发明专利]基于深度图像和虚拟数据的驾驶人姿态识别方法

摘要

本发明公开了一种基于深度图像和虚拟数据的驾驶人姿态识别方法，驾驶人关节点检测：将驾驶人深度图像和关节点标签作为深度学习框架Caffe的输入，训练深度卷积神经网络模型；利用深度学习模型检测图像中驾驶人的关节点位置。虚拟驾驶人头部姿态数据集构建：利用三维建模软件的建模功能Modeling构建驾驶人模型；利用动画功能Animation设置驾驶人头部运动；利用渲染功能Rendering批量渲染驾驶人图像；对驾驶人图像进行头部分割处理，构建虚拟驾驶人头部姿态数据集。驾驶人头部姿态分析：利用由虚拟驾驶人头部姿态数据集构建过程获取的虚拟驾驶人头部姿态数据，采用迁移学习的方法，训练深度迁移学习模型；根据深度迁移学习模型，估计目标域图像中驾驶人头部姿态，并检测其面部特征点位置。

主权项

1.一种基于深度图像和虚拟数据的驾驶人姿态识别方法，其特征在于：包括驾驶人关节点检测、虚拟驾驶人头部姿态数据集构建和驾驶人头部姿态分析三个过程；驾驶人关节点检测过程，包括以下步骤：1)将驾驶人深度图像和关节点标签作为深度学习框架Caffe的输入，训练深度卷积神经网络模型；2)利用检测正确率最高的深度学习模型，检测图像中驾驶人的关节点位置；虚拟驾驶人头部姿态数据集构建过程，包括以下步骤：3)利用三维建模软件的建模功能Modeling构建驾驶人模型；4)利用三维建模软件的动画功能Animation设置驾驶人头部运动；5)利用三维建模软件的渲染功能Rendering批量渲染驾驶人图像；6)对驾驶人图像进行头部分割处理，构建虚拟驾驶人头部姿态数据集；驾驶人头部姿态分析过程，包括以下步骤：7)利用由虚拟驾驶人头部姿态数据集构建过程获取的虚拟驾驶人头部姿态数据，采用迁移学习的方法，训练深度迁移学习模型；8)根据深度迁移学习模型，估计目标域图像中驾驶人头部姿态，并检测其面部特征点位置。