一种基于深度学习的驾驶员安全带佩戴识别方法技术

本发明专利技术公开了一种基于深度学习的驾驶员安全带佩戴识别方法，包括：通过人脸检测算法识别出输入图像中驾驶员的人脸位置；根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域；通过训练好的卷积深度学习模型对所述待识别安全带区域进行识别，识别出驾驶员是否佩戴安全带及识别出安全带的位置。本发明专利技术的卷积深度学习模型能够在各种环境下识别出驾驶员是否佩戴安全带及识别出安全带的准确位置，其学习效果和鲁棒性会比普通的CNN识别更好，因此能很好的推动汽车智能辅助终端技术的发展，可以为驾驶员安全带识别方面提供更高的识别率。

【技术实现步骤摘要】
一种基于深度学习的驾驶员安全带佩戴识别方法
本专利技术涉及汽车驾驶辅助终端领域，具体涉及一种基于深度学习的驾驶员安全带佩戴识别方法。
技术介绍
目前，安全带是否佩戴识别技术并不像驾驶员疲劳识别技术那么成熟，但是随着国家层面对道路交通安全方面关注加深，交通管理部门开始严格监管“两客一危”车辆，驾驶员的行车安全受到重视。车辆行驶过程中，当车辆发生交通事故时，佩戴安全带可以极大的降低驾驶员受到伤害的程度。所以，判断驾驶员行车是否佩戴安全带就变的特别重要。越来越多的车辆营运公司都要求，车内安全辅助终端设备具有识别驾驶员是否佩戴安全带的功能。现有技术的安全带识别的方法有以下几种：(1)传统的方法使用Canny边缘检测，然后使用霍夫变换直线检测，如果能检测到两条基本平行而且在特定角度范围内的直线即可认为驾驶员佩戴安全带。这种方法优点是使用传统图像处理的方法，处理速度上比较有优势，利用较少的先验知识；但是，这种方法缺点非常明显，对于光线变化较大识别鲁棒性不好，而且面对有部分手臂遮挡情况容易误识别。所以，这种方法只能在比较固定的环境中使用，在复杂的行车环境中识别效果可能不尽人意。(2)利用传统手工提取安全带区域特征，然后利用机器学习的BP神经网络或者传统机器学习SVM算法根据特征做一个分类器。方法(2)会比方法(1)现实效果更强，缺点在于特征提取方式比较困难。在一系列纹理特征包括灰度分布的不均匀性、梯度分布的不均匀性、能量大小、灰度平均、梯度平均、灰度均方差、梯度均方差、相关性、灰度熵、梯度熵、混合熵、惯性、逆差矩、LBP特征、haar特征和HOG特征中如何选择适合安全带分类的特征是很难的，选择过多特征容易冗余或者过拟合，选择过少特征模型会欠拟合。(3)深度学习方法：随着深度学习兴起，越来越多视觉识别问题可以通过深度学习来解决。深度学习方法的最大优点是通过卷积网络学习自动提取分类所需要的特征，而且深度学习网络具有强大的拟合学习能力。在许多领域里，深度学习物体识别率上已经能超过人类。对于佩戴安全带的问题上，卷积网络通过自身对数据的学习能提取相应的特征进行分类是否佩戴安全带。尽管单纯的卷积神经网络在大数据学习能获得比较好的分类结果，但是依然存在比较大的缺点：(1)无法知道学习到的特征是安全带的特征还是其他方面的特征；(2)需要非常庞大的数据进行训练；(3)在识别是否佩戴安全带的分类图片中无法准确定位安全带的位置。
技术实现思路
本专利技术的主要目的在于提出一种基于深度学习的驾驶员安全带佩戴识别方法，能够在各种环境下识别出驾驶员是否佩戴安全带及识别出安全带的准确位置。本专利技术采用如下技术方案：一种基于深度学习的驾驶员安全带佩戴识别方法，包括：通过人脸检测算法识别出输入图像中驾驶员的人脸位置；根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域；通过训练好的卷积深度学习模型对所述待识别安全带区域进行识别，识别出驾驶员是否佩戴安全带及识别出安全带的位置。优选的，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：选择一段时间内的多帧图像进行识别，综合各帧识别结果识别出驾驶员是否佩戴安全带及识别出安全带的位置。优选的，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：判断驾驶员是否佩戴安全带及安全带的佩戴位置是否正确，如果驾驶员未佩戴带安全带或者佩戴位置不正确，通过语音报警通知驾驶员，并将图片上传到后台服务器或云端；否则，不报警。优选的，所述输入图像为拍摄的车内红外图像。优选的，根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域，具体包括：根据所述人脸位置截取驾驶员躯干区域并将尺寸归一化到指定尺寸后作为待识别安全带区域。优选的，所述截取驾驶员躯干区域的方法，包括：在识别出人脸后，以识别出的人脸框的若干倍大小方形来截取人脸以下的躯干位置作为驾驶员躯干区域。优选的，卷积深度学习模型的训练方法，包括：标注样本图片，将佩戴安全带的驾驶员图片标注人脸框和安全带位置特征点；将没佩戴安全带的驾驶员图片标注人脸框；所述样本图片包括佩戴安全带和不佩戴安全带的驾驶员图片；预处理标注后的图片，根据标注的人脸框信息截取驾驶员躯干区域；并将截取的驾驶员躯干区域的尺寸归一化到指定尺寸；将标注的安全带位置特征点转换为相对于驾驶员躯干区域左上角的相对坐标；将转换后的驾驶员躯干区域作为模型训练安全带区域；训练卷积深度学习模型，基于所述模型训练安全带区域，使用交叉熵损失函数和特征点欧式回归损失函数作为监督函数，最终训练出使交叉熵损失函数和特征点欧式回归损失函数之和最小的卷积深度学习模型。优选的，所述安全带位置特征点的标注方法，包括：沿安全带左右两侧的边缘位置各标注若干点；其中，同一侧各标注点等间距，左右两侧标注的点数相同且呈对称分布。优选的，所述交叉熵损失函数表示如下：其中，yi为标签，表示当前图片司机是否佩戴安全带；pi表示模型预测概率。优选的，所述特征点欧式回归损失函数表示如下：其中，和是向量；表示模型预测输出安全带特征点的位置；表示当前样本安全带特征点的准确位置。与现有技术相比，本专利技术的有益效果如下：(1)本专利技术的基于深度学习的驾驶员安全带佩戴识别方法，利用人脸检测技术定位人脸，通过人脸位置寻找驾驶员躯干待识别佩戴安全带区域，定位准确；(2)本专利技术的基于深度学习的驾驶员安全带佩戴识别方法，基于卷积深度学习网络判断出红外图片中的驾驶员是否佩戴安全带，并且利用卷积深度学习网络同时输出安全带位置landmark，学习到的特征更具鲁棒性；引入安全带位置信息的学习，可以使用更少的样本，训练出来一个识别能力更强的模型；(3)本专利技术的基于深度学习的驾驶员安全带佩戴识别方法，为了克服在实时检测过程中因驾驶员转动方向盘挡住安全带而可能导致的误识别，采取连续一段时间内多帧判断的方法识别是否佩戴安全带，通过综合多帧的识别结果计算出最终是否佩戴安全带。上述说明仅是本专利技术技术方案的概述，为了能够更清楚地了解本专利技术的技术手段，从而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下列举本专利技术的具体实施方式。根据下文结合附图对本专利技术具体实施例的详细描述，本领域技术人员将会更加明了本专利技术的上述及其他目的、优点和特征。附图说明图1为本专利技术一种基于深度学习的驾驶员安全带佩戴识别方法的流程图；图2为本专利技术的根据标注的人脸信息截取驾驶员躯干位置的示意图；图3为本专利技术的卷积深度学习模型的训练流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步的详细描述。参见图1所示，一种基于深度学习的驾驶员安全带佩戴识别方法，包括如下步骤：步骤101，通过人脸检测算法识别出输入图像中驾驶员的人脸位置。具体的，所述输入图像可以是车内辅助驾驶安全终端的红外摄像头实时根据环境光照变化调整ISP获取的最佳车内红外图像；也可以是单独的红外拍摄设备拍摄的车内红外图像，不论是哪种拍摄设备，在各种应用场景(白天、夜晚、强光、暗光、逆光以及佩戴不同条纹的安全带)下都能获得良好的成像。所述人脸检测算法可以是现有技术的任意一种算法，只要能够识别出输入图像中驾驶员的人年位置即可，本专利技术实施例中不做具体限制和详细说明。步骤本文档来自技高网...

【技术保护点】
1.一种基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，包括：通过人脸检测算法识别出输入图像中驾驶员的人脸位置；根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域；通过训练好的卷积深度学习模型对所述待识别安全带区域进行识别，识别出驾驶员是否佩戴安全带及识别出安全带的位置。

【技术特征摘要】
1.一种基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，包括：通过人脸检测算法识别出输入图像中驾驶员的人脸位置；根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域；通过训练好的卷积深度学习模型对所述待识别安全带区域进行识别，识别出驾驶员是否佩戴安全带及识别出安全带的位置。2.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：选择一段时间内的多帧图像进行识别，综合各帧识别结果识别出驾驶员是否佩戴安全带及识别出安全带的位置。3.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：判断驾驶员是否佩戴安全带及安全带的佩戴位置是否正确，如果驾驶员未佩戴带安全带或者佩戴位置不正确，通过语音报警通知驾驶员，并将图片上传到后台服务器或云端；否则，不报警。4.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述输入图像为拍摄的车内红外图像。5.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域，具体包括：根据所述人脸位置截取驾驶员躯干区域并将尺寸归一化到指定尺寸后作为待识别安全带区域。6.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述截取驾驶员躯干区域的方法，包括：在识别出人脸后，以识别出的人脸框的若干倍大小方形...

【专利技术属性】
技术研发人员：袁嘉言，贾宝芝，
申请(专利权)人：厦门瑞为信息技术有限公司，
类型：发明
国别省市：福建,35