基于火车驾驶室场景下疲劳驾驶检测方法技术

本发明专利技术属于人脸检测技术领域，具体涉及一种基于火车驾驶室场景下疲劳驾驶检测方法，利用深度学习方法首先进行人脸检测，人脸关键点检测68个关键点，并利用68点计算眼部区域双眼之间的距离，嘴唇之间的距离，利用68点转欧拉角计算头部转向等三种状态进行疲劳状态的第一步判断。之后再提取眼睛部位的视觉特征建立视觉模型进行睁闭眼判断以提升视觉特征的辨别能力，然后结合嘴唇区域睁开闭合特征进行打哈欠判断，并根据睁闭眼和打哈欠频率进一步判断驾驶员是否疲劳，减少单一特征的误判，并减少因为误判导致的误报信号，所以本方案在检测准确性方面采用两种优化策略结合的方案，可以准确的检测出人脸疲劳状态。

【技术实现步骤摘要】
基于火车驾驶室场景下疲劳驾驶检测方法
本专利技术属于人脸检测
，具体涉及一种基于火车驾驶室场景下疲劳驾驶检测方法。
技术介绍
随着经济飞速发展，城市道路的大规模建设，火车、高铁等公路通车里程逐年增长，交通事故发生率也日益增高，同时现代人生活节奏加快，熬夜现象严重、缺乏锻炼、等造成驾驶员容易疲劳，所以疲劳驾驶成为造成交通事故的主要原因。如何有效地预防疲劳驾驶，国内外学者采用不同技术研究现有的疲劳驾驶检测方法，按疲劳特征可以分为两大类：基于生理特征的方法和基于行为特征的方法，基于生理特征包括生理信号特征和生理反应特征，基于生理信号的方法提出了基于脑电信号的睡眠检测模型，结果表明脑电信号能够正确地区分清醒状态和睡眠状态，但脑电信号容易受到噪音的干扰并且难以收集，还有部分基于眼电信号的方法，相对于脑电信号而言更易于收集并且可以免疫轻微的噪音，但仍需安装头部设备进行采集；基于行为的方法运用远程视频相机进行实时的图像采集监视眼睑运动、面部朝向和视线方向三种生理特征；基于外部传感器的方法，将分布式压力传感器嵌入方向盘里面测量手握方向盘的压力以及本文档来自技高网...

【技术保护点】
1.一种基于火车驾驶室场景下疲劳驾驶检测方法，其特征在于，所述的方法包含如下步骤：/nS0：获取人脸图像，通过图像采集设备采集火车驾驶室场景下人脸图像；/nS1：人脸检测；/nS2：人脸关键点检测，使用卷积神经网络获取所述人脸图像的关键点；/nS3：对当前帧人脸状态进行判断；/nS4：基于步骤S3得出的判断结果，进行多帧人脸状态统计；/nS5：判断是否达到设定帧数，若是则输出嘴巴、眼睛和脸部状态，若否则返回步骤S1。/n

【技术特征摘要】
1.一种基于火车驾驶室场景下疲劳驾驶检测方法，其特征在于，所述的方法包含如下步骤：
S0：获取人脸图像，通过图像采集设备采集火车驾驶室场景下人脸图像；
S1：人脸检测；
S2：人脸关键点检测，使用卷积神经网络获取所述人脸图像的关键点；
S3：对当前帧人脸状态进行判断；
S4：基于步骤S3得出的判断结果，进行多帧人脸状态统计；
S5：判断是否达到设定帧数，若是则输出嘴巴、眼睛和脸部状态，若否则返回步骤S1。


2.根据权利要求1所述的基于火车驾驶室场景下疲劳驾驶检测方法，其特征在于，在步骤S2之后包括步骤S2.1：人脸对齐，利用五官区域的五个关键点位置，计算两点之间的相似变换矩阵，利用相似变换矩阵进行人脸对齐获取对齐之后的人脸。


3.根据权利要求2所述的基于火车驾驶室场景下疲劳驾驶检测方法，其特征在于，在所述步骤S3中进一步包括：
S3.1：睁闭眼检测，利用步骤S2.1对齐之后的人脸区域，裁剪出左眼眼部区域和右眼眼部区域；利用第一分类模型对当前人脸图片的眼部区域进行睁闭眼分类判断，并输出左右眼睁眼或闭眼状态；
S3.2：张嘴闭嘴检测，利用步骤S2.1对齐之后的人脸区域，裁剪出人脸嘴部区域；利用第二分类模型对人脸嘴部区域进行张嘴闭嘴判断，并输出张嘴或闭嘴状态；
S3.3：头部偏转角分析，利用步骤S2提取出当前图片的68个人脸关键点，选取14个点计算当前人脸的旋转欧拉角，对所述旋转欧拉角与设定的头部偏转角进行比较，判断当前人脸是否存在注意力不集中现象；
S3.4：睁闭眼分析，利用步骤S2提取的当前人脸图片的68个关键点，在步骤S3.3设定的头部偏转角范围之内，选择左眼眼部区域的中心点和右眼眼部区域的中心点，分别计算出左眼上下眼皮距离左眼中心点之间的欧式距离的比值以及右眼上下眼皮距离右眼中心点之间欧式距离的比值；将上述比值分别与设定的睁闭眼阈值进行比较，判断左右眼的睁眼或闭眼状态；
S3.5：张嘴闭嘴分析，利用步骤S2提取的当前人脸图片的68个关键点，在步骤S3.3设定的头部偏转角范围之内，选择嘴部区域中心点，计算嘴部区域上嘴唇与下嘴唇与嘴部中心点之间的欧式...

【专利技术属性】
技术研发人员：朱婷婷，林焕凯，董振江，王祥雪，黄仝宇，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东;44