[发明专利]一种基于改进的级联卷积神经网的人体疲劳检测方法

摘要

本发明请求保护一种基于改进的级联卷积神经网的人体疲劳检测方法，该方法包括步骤：对带人脸图像进行肤色检测结合预训练CNN分类器识别人脸区域；对得到的人脸图像设计了一种级联神经网络结构来检测人眼以及人眼特征点，其中一级网络采用灰度积分投影粗定位与多任务卷积神经(G‑RCNN)网实现人眼的检测与定位，二级网络(PCNN)将人眼图片进行分割后采用并联子卷积系统进行特征点回归预测；利用人眼特征点计算人眼开闭度识别当前人眼状态；S4，根据PERCLOS准则判断人体疲劳状态；本发明可获得较高识别率、能够对光照和随机噪声具有较强的鲁棒性。

主权项

1.一种基于改进的级联卷积神经网的人体疲劳检测方法，其特征在于，包括以下步骤：S1、将人脸面部图像由RGB空间映射到YCrCb空间；R,G,B代表红绿蓝三原色，Y代表亮度信息，Cb，Cr分别表示色彩和饱和度信息；S2、采用Otsu最大类间方差算法进行自适应近肤色阈值分割，去除与肤色信息差距较大的背景信息，经过腐蚀、膨胀过滤噪点，保留肤色候选区域；S3、分割肤色候选区域的最小外接矩形区域图像，输入CNN分类器分类获取人脸区域图像；S4、利用灰度积分投影对人脸图像进行人眼粗定位；S5、利用G‑RCNN灰度‑区域卷积神经网检测人眼，对人眼完成精定位；S6、构建改进的级联卷积神经网PCNN网络，该网络首先将图像进行2×2分割并采用并行卷积来进行加速计算，同时，最后一层前采用3×3的非共享卷积对特征点进行回归预测，检测人眼六个特征点并利用特征点计算人眼开闭度，识别人眼状态；S7、利用PERCLOS闭眼帧数百分比准则识别人体疲劳状态。