基于物体检测的疲劳驾驶检测方法技术
A method of fatigue driving detection based on object detection
【技术实现步骤摘要】
基于物体检测的疲劳驾驶检测方法
本专利技术涉及图像处理
，具体涉及一种基于物体检测的疲劳驾驶检测方法。
技术介绍
当代经济的快速发展提高了人民的生活水平，汽车保有量的不断增长就是一方面的体现，与此同时，交通事故也与日俱增。驾驶员作为道路交通系统中最重要的组成部分，在安全驾驶方面起到决定性的作用。疲劳驾驶作为导致交通事故频发的主要因素之一，如何有效监督驾驶员是否疲劳驾驶以及及时提醒驾驶员注意避免进行疲劳驾驶变得尤为重要。根据我国的《道路交通安全法》规定，连续驾车4个小时以上算是疲劳驾驶。现阶段对驾驶员进行疲劳驾驶检测的方法大多是对驾驶员的面部提取特征，主要是对驾驶员的眼睛，使用图像处理或信息融合等方法分析驾驶员的状态。这种方法存在以下的问题：一、由于驾驶员疲劳状态下体现出的疲劳特征不尽相同，导致根据单一疲劳驾驶参数无法有效的进行疲劳驾驶检测；二、为了达到精确度，过多的检测算法步骤会降低检测效率。
技术实现思路
针对现有技术中的上述不足，本专利技术提供的基于物体检测的疲劳驾驶检测方法采用将驾驶员视频信息与驾驶时间相结合方式进行疲劳驾驶判断。为了达到上述专利技术目的，...
【技术保护点】
基于物体检测的疲劳驾驶检测方法，其特征在于，包括：获取驾驶位置处的视频信息，并等间隔选取视频信息中的一帧测试图片；输入所述测试图片至SSD模型，采用所述SSD模型计算所述测试图片与SSD模型内每个类别中每张训练图片之间的损失值；当所述测试图片与训练图片之间的损失值大于第一设定阈值时，则所述训练图片对应类别为所述测试图片的类别；获取SSD模型的全连接层预测的测试图片中驾驶员的位置尺寸，并计算所述测试图片中驾驶员的位置尺寸与上一张测试图片中驾驶员的位置尺寸的差异；当所述差异小于第二设定阈值，则将计数器数值累加一次，并判断计数器数值是否大于第三设定阈值；若计数器数值大于第三设定阈...
【技术特征摘要】
1.基于物体检测的疲劳驾驶检测方法，其特征在于，包括：获取驾驶位置处的视频信息，并等间隔选取视频信息中的一帧测试图片；输入所述测试图片至SSD模型，采用所述SSD模型计算所述测试图片与SSD模型内每个类别中每张训练图片之间的损失值；当所述测试图片与训练图片之间的损失值大于第一设定阈值时，则所述训练图片对应类别为所述测试图片的类别；获取SSD模型的全连接层预测的测试图片中驾驶员的位置尺寸，并计算所述测试图片中驾驶员的位置尺寸与上一张测试图片中驾驶员的位置尺寸的差异；当所述差异小于第二设定阈值，则将计数器数值累加一次，并判断计数器数值是否大于第三设定阈值；若计数器数值大于第三设定阈值时，则提醒驾驶员其已处于疲劳驾驶。2.根据权利要求1所述的基于物体检测的疲劳驾驶检测方法，其特征在于，当测试图片中驾驶员的位置尺寸大于等于第二设定阈值，且连续两张测试图片中驾驶员的位置尺寸大于等于第二设定阈值时，选取下一张测试图片，同时重置计数器数值。3.根据权利要求1所述的基于物体检测的疲劳驾驶检测方法，其特征在于，当计数器数值小于等于第三设定阈值时，选取下一张测试图片。4.根据权利要求1所述的基于物体检测的疲劳驾驶检测方法，其特征在于，所述输入测试图片至SSD模型，采用所述SSD模型计算所述测试图片与SSD模型内每个类别中每张训练图片之间的损失值进一步包括：将每层卷积层中卷积核所对应特征图划分成若干尺寸相同的特征图单元；每个特征图单元均以其为中心生成若干默认框，并计算每个默认框的尺度：其中，sk为尺度；smin为尺度的最小值；smax为尺度的最大值；m为特征图所在卷积层的卷积核数量；k为特征图所对应卷积核在其所在卷积层中的序号；根据横纵比和默认框的尺度，计算默认框的宽度和高度：其中，为默认框的宽度；为默认框的高度；ar为横纵比，根据所述默认框的尺寸、宽度和高度，计算默认框与SSD模型中每个类别中正样本的匹配程度；采用目标损失函数计算特征图与正...
【专利技术属性】
技术研发人员：孟继成，杨涛，魏源璋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51
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。