[发明专利]基于多任务深度卷积神经网络的异常驾驶行为检测方法在审
| 申请号： | 201811031072.7 | 申请日： | 2018-09-03 |
| 公开（公告）号： | CN109034134A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 王东明;黄庆毅 | 申请（专利权）人： | 深圳市尼欧科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/46;G06N3/04 |
| 代理公司： | 深圳市中科创为专利代理有限公司 44384 | 代理人： | 谭雪婷;高早红 |
| 地址： | 518000 广东省深圳市龙华区福城街*** | 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： | 本发明公开一种基于多任务深度卷积神经网络的异常驾驶行为检测方法，分为多任务深度学习人脸检测模型训练阶段和人脸异常行为检测阶段，人脸异常行为检测阶段基于多任务深度学习人脸检测模型训练阶段生成的多任务深度学习人脸检测模型进行驾驶异常行为检测，多任务深度学习人脸检测模型训练阶段通过多任务卷积神经网络框架训练出多任务深度学习人脸检测模型，从而根据多任务深度学习人脸检测模型计算出人脸检测损失函数、人脸朝向损失函数、人脸其他特征点损失函数和总损失函数。该方法应用多任务深度学习人脸检测模型对人脸及其人脸朝向及人脸其他特征进行特征提取，然后用提取到的特征进行驾驶异常行为检测，能快速准确的检测出异常驾驶行为。 | ||
| 搜索关键词： | 人脸检测模型 人脸 异常行为检测 损失函数 卷积神经网络 驾驶行为 训练阶段 学习 检测 驾驶 人脸检测 特征提取 特征点 | ||
【主权项】：
1.一种基于多任务深度卷积神经网络的异常驾驶行为检测方法，其特征在于，其分为多任务深度学习人脸检测模型训练阶段和人脸异常行为检测阶段，所述人脸异常行为检测阶段是基于所述多任务深度学习人脸检测模型训练阶段所生成的多任务深度学习人脸检测模型进行驾驶异常行为检测，其中，所述多任务深度学习人脸检测模型训练阶段是通过一多任务卷积神经网络框架训练出多任务深度学习人脸检测模型，从而根据所述多任务深度学习人脸检测模型计算出人脸检测损失函数、人脸朝向损失函数、人脸其他特征点损失函数和总损失函数，所述人脸异常行为检测阶段的具体步骤如下：a、采集驾驶员的人脸图像；b、将采集的图像进行预处理；c、通过所述多任务深度学习人脸检测模型检测，并将检测到的结果送入驾驶异常行为检测算法；d、对预处理后的图像，用canny边缘检测算法提取人脸特征点的边缘特征；e、根据所述驾驶异常行为检测算法从预处理后的图像中统计出人脸异常行为、人脸朝向异常行为及人脸其他特征异常行为的个数，并根据所统计的数据判断出驾驶员是否发生异常，在发生异常时发出报警。
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深圳市尼欧科技有限公司，未经深圳市尼欧科技有限公司许可，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/patent/201811031072.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种人脸识别方法及装置
- 下一篇：一种基于区块链的艺术品防伪方法和装置
