【技术实现步骤摘要】
一种基于改进的级联卷积神经网的人体疲劳检测方法
本专利技术属于图像处理与模式识别领域,特别是一种基于改进的级联卷积神经网的人体疲劳检测方法。
技术介绍
疲劳是指机体在一定环境条件下,由于过于长时间或过度紧张的体力或脑力劳动而引起的劳动效率趋向下降的状态,精神疲劳是多种病症的起源。疲劳不仅危害人的身心健康,更会给社会生产生活带来重大安全隐患,尤其是在电力工业、建筑高空作业、车辆驾驶、航空航天、大型复杂工业等高风险作业中,生产操控人员的精神疲劳引起的注意力分散、反应迟钝或身体协调性下降,都可能导致极为严重的生产事故。在汽车驾驶方面,随着中国汽车总量逐年增加,交通事故也更为频发,而驾驶员疲劳驾驶是引发交通事故的重要原因之一。因此,对驾驶员是否疲劳进行检测并及时给予预警对于减少由于疲劳而产生的汽车驾驶事故有着非常重要的实际意义。目前,对疲劳检测主要分为生理特征信号检测、视觉检测等方式。基于生理特征信号的检测方式具有较高的准确率,但是该方法信号采集设备复杂,相关设备的小型化与实用化也仍有不足,同时佩戴这些设备会对驾驶员驾驶行为造成一些不便,因此目前的主要研究还是在实验室进行。而基于视觉检测的方式在保持较高准确率的同时设备要求低,同时具有非入侵性特点,不会给驾驶员行为带来不便,是疲劳检测的主要研究方向之一。人眼状态是最能反映人体疲劳的因素之一,基于眼睛状态的疲劳检测主要包括人眼位置检测以及人眼状态的识别。Deng等人利用利用肤色模型结合人脸三庭五眼的布局定位人眼,并利用人眼的积分投影区域大小识别人眼状态,这种方法虽然算法简单,但是定位的准确率受环境影响较大,且由于人眼 ...
【技术保护点】
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。
【技术特征摘要】
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。2.根据权利要求1所述的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,所述步骤S1由RGB空间映射到YCrCb空间的关系式为:Y=0.2990*R+0.5870*G+0.1140*BCr=-0.1687*R-0.3313*G+0.5000*B+128Cb=0.5000*R-0.4187*G-0.0813*B+128其中,R,G,B代表红绿蓝三原色,Y代表亮度信息,Cb,Cr代表色度信息。3.根据权利要求1所述的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,所述步骤S2肤色阈值选取采用Otsu最大类间方差自适应算法,去除与肤色信息差距较大的背景信息,经过腐蚀、膨胀保留肤色候选区域,该算法关系式为:g=w0w1(u0-u1)2g为类间方差,算法步骤为:将利用阈值T将图像分为前景和背景,记属于前景的像素点数占整幅图像的比例记为w0,其平均灰度μ0;背景像素点数占整幅图像的比例为w1,其平均灰度为μ1,图像的总平均灰度记为μ,遍历0~255各灰阶,寻找使类间方差最大的阈值T。4.根据权利要求1所述的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,所述步骤S3分割肤色候选区域的最小外接矩形区域图像的步骤包括:直接计算候选目标的外接矩形;(2)将图像在90。范围内旋转一设定角度,计算最小外接矩形;(3)依次迭代,找出最小面积外界矩形;(4)反旋转至原图角度,获得最小外接矩形。5.根据权利要求1所述的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,所述步骤S4利用灰度积分投影对...
【专利技术属性】
技术研发人员:罗元,云明静,张毅,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。