基于卷积神经网络的疲劳驾驶检测方法及系统技术方案

本发明专利技术公开了一种基于卷积神经网络的疲劳驾驶检测方法及系统，属于图像处理与模式识别技术领域。首先，采集驾驶员在驾驶状态下的二维面部图像，并按疲劳程度逐级分类，建立疲劳驾驶图像库；其次，构建一个含有数据层、卷积层、池化层、连接层和分类层的卷积神经网络；然后，以疲劳驾驶图像库中图像数据和标签作为卷积神经网络的输入，利用反向传播算法对构建的网络迭代训练，使网络输出损失函数值逐步下降并收敛；最后，输入驾驶员驾驶状态下面部图像测试样本，利用训练后的卷积神经网络模型对其识别，实现驾驶员面部图像疲劳程度的检测分类。本发明专利技术相比于传统机器学习方法，明显提高了识别分类效果，为疲劳驾驶实时监测提供一种可行思路。

Fatigue driving detection method and system based on convolution neural network

The invention discloses a fatigue driving detection method and system based on convolution neural network, belonging to the technical field of image processing and pattern recognition. Firstly, the driver's two-dimensional facial images are captured and classified step by step according to the fatigue degree to establish the fatigue driving image database; secondly, a convolution neural network including data layer, convolution layer, pooling layer, connection layer and classification layer is constructed; then, the image data and labels in the fatigue driving image database are used as the data and labels. In order to input convolution neural network, back-propagation algorithm is used to train the network iteratively, so that the loss function value of the network output gradually decreases and converges. Finally, the test sample of the driver's driving face image is input, and the convolution neural network model after training is used to recognize the driver's face image fatigue. Detection and classification of labor. Compared with the traditional machine learning method, the invention obviously improves the recognition and classification effect, and provides a feasible idea for real-time monitoring of fatigue driving.

【技术实现步骤摘要】
基于卷积神经网络的疲劳驾驶检测方法及系统
本专利技术涉及一种基于卷积神经网络的疲劳驾驶检测方法，属于图像处理与模式识别

技术介绍
随着经济的高速发展，汽车行业获得高速增长，人们出行方式变得丰富，汽车是最主要的出行方式之一。与此同时，道路的交通秩序和安全状况也变得十分复杂，交通事故的发生也越来越频繁。疲劳驾驶是其中一个最容易导致交通事故的原因，如果能及时发现驾驶员的疲劳驾驶并及时提醒，便能将这类交通事故阻止在源头，降低交通事故的发生率。疲劳驾驶检测技术不仅保障了驾驶员的生命财产安全，还能改善道路交通状况。因此，对于疲劳驾驶进行评估具有十分重大的意义。驾驶员产生疲劳驾驶的原因主要包括长时间驾驶车辆、睡眠休息不足或睡眠质量差、身体状态差等，从而使驾驶员产生疲劳状态，而疲劳状态又最容易反映在驾驶员的面部表情上，正常状态下驾驶员面部表情呈现认真轻松的状态，而疲劳状态下则呈现呆滞疲劳的状态。因此，通过研究驾驶员的面部表情状态去反映其疲劳状态具有一定的可行性。目前，基于传统机器学习方法的人脸表情识别技术拥有比较好的识别效果。但人脸表情识别技术一般针对的是愤怒、厌恶、恐惧、高兴、悲伤、惊讶本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的疲劳驾驶检测识别方法，其特征在于，包括如下步骤：步骤1、建立疲劳驾驶图像库：采集驾驶员在驾驶状态下的二维面部图像作为样本，按照样本图像对应的实际疲劳程度，将样本图像划分至属于不同的疲劳驾驶状态，建立疲劳驾驶图像库；步骤2、划分样本：根据基于卷积神经网络的训练方法，将每类疲劳驾驶状态的样本分别按8:2的比例划分为训练集合、验证集合，并对每个样本图像按照疲劳驾驶状态类别标注标签；步骤3、构建卷积神经网络结构：所构建的卷积神经网络含有1层数据层、2层卷积层、2层池化层、2层连接层和1层分类层；步骤4、训练卷积神经网络：将步骤2所述的训练集合、验证集合连带其标签，作为卷积神经...

【技术特征摘要】
1.一种基于卷积神经网络的疲劳驾驶检测识别方法，其特征在于，包括如下步骤：步骤1、建立疲劳驾驶图像库：采集驾驶员在驾驶状态下的二维面部图像作为样本，按照样本图像对应的实际疲劳程度，将样本图像划分至属于不同的疲劳驾驶状态，建立疲劳驾驶图像库；步骤2、划分样本：根据基于卷积神经网络的训练方法，将每类疲劳驾驶状态的样本分别按8:2的比例划分为训练集合、验证集合，并对每个样本图像按照疲劳驾驶状态类别标注标签；步骤3、构建卷积神经网络结构：所构建的卷积神经网络含有1层数据层、2层卷积层、2层池化层、2层连接层和1层分类层；步骤4、训练卷积神经网络：将步骤2所述的训练集合、验证集合连带其标签，作为卷积神经网络数据层的输入，再利用反向传播算法对所述卷积神经网络进行迭代训练、优化训练全局参数，最终使卷积神经网络输出的损失函数值下降并收敛，生成用于识别疲劳驾驶的分类模型；步骤5、卷积神经网络的识别分类：将新的驾驶状态面部图像作为测试样本，验证所述卷积神经网络的准确性；如果通过准确性验证，则将所述卷积神经网络应用于疲劳驾驶检测的识别分类工作。2.如权利要求1所述的一种基于卷积神经网络的疲劳驾驶检测识别方法，其特征在于，步骤1所述疲劳驾驶的不同状态包括：正常状态、轻度疲劳、重度疲劳。3.根据权利要求1所述基于卷积神经网络的疲劳驾驶检测方法，其特征在于，步骤2所述卷积神经网络的网络结构包括如下：数据层：该层为网络的第一层，存储着疲劳驾驶图像库中的样本图像及对应样本类别的标签数据；第一卷积层：该层为网络的第二层，采用k1个m1*m1的卷积核、步长为l1个像素，对图像卷积后作为下一层的输入；第一池化层：该层是网络的第三层，是对第一卷积层的下抽样；第二卷积层：该层为网络第四层，采用k2个m2*m2的卷积核、间隔步长为l2个像素，对图像卷积后作为下一层的输入；第二池化层：该层是网络的第五层，是对第二卷积层的下采样；第一连接层：该层是网络的第六层，是上层输出的二维特征变为一维特征的过程；第二连接层：该层是...

【专利技术属性】
技术研发人员：孙超，葛琦，李海波，柳毅，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32