【技术实现步骤摘要】
一种驾考中考生人脸视线方向的判定方法及系统
本专利技术涉及机动车驾驶证考试的人工智能判断
，特别涉及一种驾考中考生人脸视线方向的判定方法及系统。
技术介绍
随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长，每年申请参加驾照考试的人数也不断增多。驾照考试的工作量也随之增大。传统的驾照考试评判主要通过人工判别，而考官坐在驾驶员的并列位置，很难准确的对考试人员的视线关注方向做出准确的检查和判断。目前，在现有技术中能够用于检查驾驶员视线方向的技术手段主要通过可穿戴的传感器来实现。然而，这些设备不仅价格高昂，而且使用不便，且检测中误差较大，无法将其适用于现有的驾驶员考试制度中去。
技术实现思路
针对上述提到的现有技术中存在的技术问题，本专利技术目的是：提出一种驾考中考生人脸视线方向的判定方法及系统，其通过利用视觉图像处理技术，对驾驶员在驾考过程中的视线关注方向进行自动检测，协助考官判断驾驶员是否存在违规行为。本专利技术解决其技术问题所采用的技术方案是：一种驾考中考生人脸视线方向的判定方法，包括如下步骤：S1、获取驾驶座区域的车内图像；S2、利用预设...
【技术保护点】
1.一种驾考中考生人脸视线方向的判定方法，其特征在于，包括如下步骤：S1、获取驾驶座区域的车内图像；S2、利用预设的基于深度学习的人脸目标检测模型对获取到的所述车内图像进行检测，并获取检测结果；S3、根据检测结果确定是否存在人脸图像，若存在人脸图像，则获取所述人脸图像；S4、将所述人脸图像输入至预设的基于深度学习的人脸视线方向分类模型中，以计算出所述人脸图像分别在预设的N类人脸视线方向上的置信度；S5、将所述人脸图像归类于置信度值最大的人脸视线方向，进而得到人脸图像的人脸视线方向归类信息。
【技术特征摘要】
1.一种驾考中考生人脸视线方向的判定方法，其特征在于，包括如下步骤：S1、获取驾驶座区域的车内图像；S2、利用预设的基于深度学习的人脸目标检测模型对获取到的所述车内图像进行检测，并获取检测结果；S3、根据检测结果确定是否存在人脸图像，若存在人脸图像，则获取所述人脸图像；S4、将所述人脸图像输入至预设的基于深度学习的人脸视线方向分类模型中，以计算出所述人脸图像分别在预设的N类人脸视线方向上的置信度；S5、将所述人脸图像归类于置信度值最大的人脸视线方向，进而得到人脸图像的人脸视线方向归类信息。2.如权利要求1所述的一种驾考中考生人脸视线方向的判定方法，其特征在于，所述判定方法还包括：A1、预构建基于深度学习的人脸目标检测模型；A2、预构建基于深度学习的人脸视线方向分类模型。3.如权利要求2所述的一种驾考中考生人脸视线方向的判定方法，其特征在于，所述预构建基于深度学习的人脸目标检测模型的步骤包括：A11、搭建人脸目标检测基础网络结构；A12、获取不同角度、光照及图像质量的车内图像样本；A13、使用矩形框标记所述车内图像样本中的人脸图像；A14、记录所述矩形框的位置信息[x’,y’,width’,height’]；其中，x’,y’表示矩形框左上角坐标点，width’表示矩形宽度，height’表示矩形高度；A15、以每张车内图像样本和该车内图像样本中的矩形框的位置信息为一组训练数据，形成目标检测训练数据集；A16、使用所述目标检测训练数据集训练所述人脸目标检测基础网络结构，参数更新后得到基于深度学习的人脸目标检测模型。4.如权利要求3所述的一种驾考中考生人脸视线方向的判定方法，其特征在于，所述人脸目标检测基础网络结构包括：由8个卷积层、8个ReLU激活层和3个池化层组成的人脸特征提取器，以及与所述人脸特征提取器连接的第一卷积层和第二卷积层。5.如权利要求4所述的一种驾考中考生人脸视线方向的判定方法，其特征在于，所述利用预设的基于深度学习的人脸图像检测模型对获取到的所述车内图像进行检测，并获取检测结果包括如下步骤：S21、将获取的车内图像输入至所述人脸特征提取器中得到人脸特征V；S22、将所述人脸特征V输入所述第一卷积层中计算处理，得到N个大小为2*13*13的数组；其中，每个数组代表将原始图片投影到13*13大小的区域内后每个位置存在人脸和不存在人脸的置信度，共可以检测N类不同尺寸的人脸；S23、将所述人脸特征V输入所述第二卷积层中计算处理，得到N个大小为4*13*13的数组，其中每个数组代表将原始图片投影到13*13大小的...
【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海,31
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。