【技术实现步骤摘要】
本专利技术涉及一种基于卷积神经网络的眼睛和嘴部状态识别方法,该方法能够适应光照变化以及眼镜遮挡的情况,属于图像识别
,可应用于判定驾驶员的疲劳状态。
技术介绍
眼睛和嘴部状态识别可认为等同于人脸面部状态的识别,是图像识别领域的重要内容,对信息安全、自动驾驶等技术有着直接的影响。根据美国国家统计和分析中心的报告,疲劳驾驶是引发交通事故的重要原因之一,因此,驾驶员疲劳检测技术的研究对于预防交通事故有着重要的意义。近年来,随着计算机硬件水平的提高,基于视觉的疲劳检测方法的不断发展。基于视觉的驾驶员疲劳检测系统应用中,眨眼频率以及打哈欠状态是疲劳检测的重要指标。因此,眼睛和嘴部的状态检测是疲劳检测中的关键问题,由于光照变化以及佩戴墨镜等情况,增加了眼睛状态识别的难度,其状态识别的准确率对系统的性能及实际应用有重要影响。传统检测眼睛状态的方法有很多种,第一类方法采用模板匹配方法判断眼睛状态,由于虹膜在眼睑中位置不固定,易产生误检。采用多模板匹配,检测效率低实时性差。第二类方法采用眼睛虹膜区域灰度投影曲线判断眼睛状态,对光照要求较高,适用的场景少。第三类方法使用基于LBP特征与SVM分类器结合的眼睛开闭检测,对驾驶员佩戴墨镜以及姿态变化有一定的局限性,鲁棒性差。第四类方法采用基于多特征融合的眼睛状态识别,该方法需要多个分类器进行决策融合,实时性较差。传统分类器的方法,需要人为选取合适的特征,将提取的特征输入到判别分类器中,特征的选取的合适与否,成为制约分类器效果的关键因素。卷积神经网络对特征有更好的表达力、避免了人工特征选取过程,在卷积神经网络提出之前,由于缺 ...
【技术保护点】
一种基于卷积神经网络的眼睛和嘴部状态识别方法,所述方法包括下列步骤:(1)采用红外光源、窄带滤光片配合工业镜头搭建用于采集待测图像的红外采集系统;(2)用步骤1中所搭建的系统采集部分待测的面部图像;(3)采用基于haar特征和AdaBoost算法的人脸检测算法或其他人脸检测算法检测出人脸区域;(4)由随机森林和线性回归结合的方法检测出步骤3得到的结果上包括眼睛、嘴部、鼻梁、眉骨和外侧主轮廓的人脸特征点的提取;(5)在步骤4确定人脸特征点的基础上结合正则化方法利用LBF特征检测出人脸的眼睛和嘴部区域;(6)构建SR‑Net的核心结构卷积层;(7)构建SR‑Net的降采样层,以减少计算量,提高特征的鲁棒性,提高模型的准确率;(8)采用修正线性单元构建SR‑Net的全连接层,克服非线性激活函数常见的梯度消失的问题;(9)以一定的概率p,通常设为0.5,让隐藏层的部分神经元输出值设置为0设计SR‑Net的Dropout,减少过拟合现象,进而提高网络的泛化能力;(10)构建训练样本集并选取相应的网络结构和迭代次数训练SR‑Net的网络模型;(11)输入待测数据集,应用SR‑Net模型完成眼睛和嘴 ...
【技术特征摘要】
1.一种基于卷积神经网络的眼睛和嘴部状态识别方法,所述方法包括下列步骤:(1)采用红外光源、窄带滤光片配合工业镜头搭建用于采集待测图像的红外采集系统;(2)用步骤1中所搭建的系统采集部分待测的面部图像;(3)采用基于haar特征和AdaBoost算法的人脸检测算法或其他人脸检测算法检测出人脸区域;(4)由随机森林和线性回归结合的方法检测出步骤3得到的结果上包括眼睛、嘴部、鼻梁、眉骨和外侧主轮廓的人脸特征点的提取;(5)在步骤4确定人脸特征点的基础上结合正则化方法利用LBF特征检测出人脸的眼睛和嘴部区域;(6)构建SR-Net的核心结构卷积层;(7)构建SR-Net的降采样层,以减少计算量,提高特征的鲁棒性,提高模型的准确率;(8)采用修正线性单元构建SR-Net的全连接层,克服非线性激活函数常见的梯度消失的问题;(9)以一定的概率p,通常设为0.5,让隐藏层的部分神经元输出值设置为0设计SR-Net的Dropout,减少过拟合现象,进而提高网络的泛化能力;(10)构建训练样本集并选取相应的网络结构和迭代次数训练SR-Net的网络模型;(11)输入待测数据集,应用SR-Net模型完成眼睛和嘴部状态识别并输出结果。2.如权利要求1所述的方法,其特征在于,步骤(2)中,选用主动红外光源(850nm)进行补光照明,同时采用850nm的窄带滤光片进行配合使用,搭建的红外图像采集系统如图2。3.如权利要求1所述的方法,步骤(3)中,本方法对人脸检测算法不敏感,可采用其他替代算法。4.如权利要求1所述的方法,其特征在于,步骤(4)中,将人脸区域内的人脸所有关键点的局部特征组合为LBF,LocalBinaryFeature特征,利用LBF特征进行全局回归,通过级联获得形状增量,进行形变预测;利用LBF特征高度稀疏的特点,使得特征的提取与回归速度加快快,满足实时性要求,通过回归分析进行分析预测判断,建立从输入信息到输出信息之间的映射关系,完成检测出的人脸区域内的包括眼睛、嘴部、鼻梁、眉骨和外侧主...
【专利技术属性】
技术研发人员:耿磊,梁晓昱,肖志涛,张芳,吴骏,苏静静,
申请(专利权)人:天津工业大学,
类型:发明
国别省市:天津;12
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。