注意力识别方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机视觉技术领域，提供了一种注意力识别方法、装置、电子设备及存储介质，其中方法包括：确定待识别的驾驶人的人脸图像；将所述人脸图像输入至注意力分类融合模型，得到所述注意力分类融合模型输出的人脸方向角；其中，所述注意力分类融合模型是对多个不同类型的注意力分类模型进行融合后得到的。本申请提供的方法、装置、电子设备及存储介质，能够充分识别驾驶人的人脸特征，具有很强的泛化能力，提高了驾驶人注意力识别的准确性。

【技术实现步骤摘要】
注意力识别方法、装置、电子设备及存储介质
本申请涉及计算机视觉
，尤其涉及一种注意力识别方法、装置、电子设备及存储介质。
技术介绍
疲劳驾驶是指驾驶员在连续行车后所产生的心里、生理机能以驾驶操作效能下降的现象。一般认为驾驶疲劳是同时涉及脑力和体力的技术性疲劳。驾驶员在驾驶车辆时，由于种种原因往往会产生生理机能或心理机能失调，注意力下降，严重影响行车安全。现有技术中，通常通过采集驾驶人前额的脑电图来分析驾驶人的疲劳状态，进而得到驾驶人注意力状态。采用该方法识别驾驶人的注意力状态的准确率低。
技术实现思路
本申请提供一种注意力识别方法、装置、电子设备及存储介质，能够充分识别驾驶人的人脸特征，具有很强的泛化能力，提高了驾驶人注意力识别的准确性。本申请提供一种注意力识别方法，包括：确定待识别的驾驶人的人脸图像；将所述人脸图像输入至注意力分类融合模型，得到所述注意力分类融合模型输出的人脸方向角；其中，所述注意力分类融合模型是对多个不同类型的注意力分类模型进行融合后得到的。根据本申请本文档来自技高网...

【技术保护点】
1.一种注意力识别方法，其特征在于，包括：/n确定待识别的驾驶人的人脸图像；/n将所述人脸图像输入至注意力分类融合模型，得到所述注意力分类融合模型输出的人脸方向角；/n其中，所述注意力分类融合模型是对多个不同类型的注意力分类模型进行融合后得到的。/n

【技术特征摘要】
1.一种注意力识别方法，其特征在于，包括：
确定待识别的驾驶人的人脸图像；
将所述人脸图像输入至注意力分类融合模型，得到所述注意力分类融合模型输出的人脸方向角；
其中，所述注意力分类融合模型是对多个不同类型的注意力分类模型进行融合后得到的。


2.根据权利要求1所述的注意力识别方法，其特征在于，所述注意力分类融合模型的确定方法包括：
从每一类型的多个注意力分类模型中，分别选取性能评分最高的注意力分类模型作为每一类型的基础模型；
对每一类型的基础模型进行融合，得到所述注意力分类融合模型。


3.根据权利要求2所述的注意力识别方法，其特征在于，所述从每一类型的多个注意力分类模型中，分别选取性能评分最高的注意力分类模型作为每一类型的基础模型，包括：
确定多个人脸训练集及其对应的人脸验证集；
基于每一人脸训练集，对任一类型的初始模型进行训练，得到每一人脸训练集对应的注意力分类模型；
基于每一人脸训练集对应的人脸验证集，对所述每一人脸训练集对应的注意力分类模型进行性能评分；
将性能得分最高的注意力分类模型作为所述任一类型对应的基础模型。


4.根据权利要求3所述的注意力识别方法，其特征在于，所述确定多个人脸训练集及其对应的人脸验证集，包括：
确定样本人脸数据集；
将所述样本人脸数据集拆分为多个子集，并采用交叉验证法确定多个人脸训练集及其对应的人脸验证集。


5.根据权利要求2所述的注意力识别方法，其特征在于，所述对每一类型的基础模型进行融合，得到所述注意力分类融合模型，包括：
基于每一类型的基础模型的性能得分，确定每个基础模型对应的权值；
基于每个基础模型对应的权值，对多个基础模型进行融合，得到注意力分类融合模型。


6.根据权利要求1至5任一项所述的注意力识别方法，其特征在于，所述确定待识别的驾驶人的人脸图像，包括：
获取包含所述驾驶人的人脸的图像数据；
将所述图像数据输入至人脸检测模型，得到所述人脸检测模型输出的人脸图像；
其中，所述人脸检测模型是基于RetinaFace模型建立的，所述RetinaFace模型的特征提取层为InceptionV4。


7.根据权利要求1至5任一项所述的注意力识别方法，其特征在于，所述多个不同类型的注意力分类模型包括DenseNet121、EfficientNet-B0、EfficientNet-B3和EfficientNet-B7中的至少一种。


8.一种注意力识别装置，其特征在于，包括：
确定单元，用于确定待识别的驾驶人的人脸图像；
识别单元，用于将所述人脸图像输入至注意力分类融合模型，得到所述注意力分类融合模型输出的人脸方向角；
其中，所述注意力分类融合模型是对多个...

【专利技术属性】
技术研发人员：陈海波，罗志鹏，车丽轩，
申请(专利权)人：深延科技北京有限公司，
类型：发明
国别省市：北京;11