[发明专利]一种基于计算机视觉的疲劳驾驶检测方法

摘要

本发明属于疲劳驾驶检测技术领域，具体涉及一种基于计算机视觉的疲劳驾驶检测方法。现有的检测方法在检测准确性和反应速度上不能很好地满足实际产品的需求，存在着不能有效避免疲劳事故的发生的问题。本发明提供的一种基于计算机视觉的疲劳驾驶检测方法，启动设备，对摄像头进行初始化操作；然后进行视频采集、人脸检测、目标跟踪、神经网络判断、缓存图像和报警步骤，利用深度特征提取、目标检测、目标跟踪和行为识别等方法，实现对疲劳驾驶行为的准确判断。该方法准确度高，检测速度快，利用定期检测更新跟踪模板有效解决了跟踪失败问题，同时采用了单幅图像特征和连续多幅图像序列特征对疲劳行为进行描述，从而提高整个系统判断的准确性。

主权项

1.一种基于计算机视觉的疲劳驾驶检测方法，其特征在于，首先启动设备，对摄像头进行初始化操作；然后依次进行以下操作：步骤一、视频采集：对驾驶员面部视频进行采集，获取驾驶员面部图像序列；步骤二、人脸检测：1)输入图像I，经过深层卷积网络提取特征，获得输入图像的特征图；2)在RPN网络中使用双阈值‑非极大值抑制方法获得多个候选区域，具体公式为：式中，S_i为该检测框的原始得分，S_f为该检测框的最后得分，M为得分最高的候选框，b_i为待检测框，IoU(M,b_i)为当前检测框b_i和M的交并比，N_t和N_i为阈值；3)得到特征图的候选区域信息后，结合深层卷积网络提取的特征，使用双线性插值法替换原始的最近邻插值法，将不同大小的候选框变换成统一尺寸；4)经过两个全连接层得到一个特征向量，该特征向量分别再经过两个全连接层，其中一个输出为图像的矩形框的位置与大小，另一个输出经过Softmax分类器，从而确定对象的类别；步骤三、目标跟踪：对步骤一获得的驾驶员面部图像序列中的人脸进行跟踪，获得更为精确的驾驶员面部图像；步骤四、神经网络Fatigue‑CNN：利用神经网络Fatigue‑CNN对步骤三获得的驾驶员面部图像逐帧进行判断，确定是否为疲劳驾驶；步骤五、缓存图像：将步骤三获得的图像进行缓存；步骤六、神经网络Conv‑LSTM：从步骤五缓存的图像序列中，选择连续的N帧图像，并将这N帧图像视为一个整体，用来表示一种行为；利用神经网络Conv‑LSTM中的重复模块A提取该种行为的特征，并通过Softmax分类器判断是否为疲劳驾驶；步骤七、告警：在判断为疲劳驾驶的情况下，发出告警信号。