一种驾驶员疲劳检测方法技术

本发明专利技术公开了一种驾驶员疲劳检测方法，所述驾驶员疲劳检测方法包括：S1：利用Wider_face人脸数据集训练MTCNN模型结构，得到训练好的MTCNN模型结构；S2：利用所述训练好的MTCNN模型结构对人脸图像中的人脸关键特征进行定位，得到定位后的人脸图像；S3：对所述定位后的人脸图像进行眼部特征提取，得到眼部时间特征和眼部空间特征；S4：利用多维度的深度融合网络对所述眼部时间特征和所述眼部空间特征进行融合，得到融合结果；S5：对所述融合结果进行状态识别，得到驾驶员疲劳检测结果。本发明专利技术能够将眼睛特征转化为时间特征和空间特征，以从不同的角度深入挖掘局部特征，从而最大化疲劳检测的效果。疲劳检测的效果。疲劳检测的效果。

【技术实现步骤摘要】
一种驾驶员疲劳检测方法


[0001]本专利技术涉及疲劳检测
，具体涉及一种驾驶员疲劳检测方法。

技术介绍

[0002]当前市面上根据面部特征的变化来判断疲劳状态是公认的最有实用性的方法。这个方法是非接触式的检测方法，不会造成驾驶员的不适，可以很容易的应用到实际驾驶环境中。在之前的研究中，很多是通过提取单一的特征来检测疲劳。在一定的时间内眼睛闭合时所占的时间比例(PERCLOS)这个判定特征是疲劳驾驶检测中使用的最多的方法，也是公认的最合理的方法之一但由于PERCLOS的时间分辨率较低，因此仅仅基于时间特征的检测效果达不到预期的效果。与此同时，仅仅基于空间特征只能逐层学习特征，缺乏连通性。

技术实现思路

[0003]本专利技术的目的在于提供一种驾驶员疲劳检测方法，能够将眼睛特征转化为时间特征和空间特征，以从不同的角度深入挖掘局部特征，从而最大化疲劳检测的效果。
[0004]本专利技术解决上述技术问题的技术方案如下：
[0005]本专利技术提供一种驾驶员疲劳检测方法，所述驾驶员疲劳检测方法包括：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员疲劳检测方法，其特征在于，所述驾驶员疲劳检测方法包括：S1：利用Wider_face人脸数据集训练MTCNN模型结构，得到训练好的MTCNN模型结构；S2：利用所述训练好的MTCNN模型结构对人脸图像中的人脸关键特征进行定位，得到定位后的人脸图像；S3：对所述定位后的人脸图像进行眼部特征提取，得到眼部时间特征和眼部空间特征；S4：利用多维度的深度融合网络对所述眼部时间特征和所述眼部空间特征进行融合，得到融合结果；S5：对所述融合结果进行状态识别，得到驾驶员疲劳检测结果。2.根据权利要求1所述的驾驶员疲劳检测方法，其特征在于，所述MTCNN模型结构包括：依次设置的P
‑
Net层、R
‑
Net层和O
‑
Net层；所述P
‑
Net层用于将不同尺度的输入图片进行三次卷积操作以的到一个大致的人脸窗口框；所述R
‑
Net层用于对所述大致的人脸窗口框进行尺寸调整，再经过三次卷积操作，全连接后得到更为精确的人脸区域位置图像；所述O
‑
Net层用于将所述更为精确的人脸区域位置图像的大小调整为48
×
48，以得到人脸的最终位置和5个关键特征点的位置。3.根据权利要求1所述的驾驶员疲劳检测方法，其特征在于，所述S3中：利用PERCLOS提取所述眼部时间特征。4.根据权利要求3所述的驾驶员疲劳检测方法，其特征在于，所述利用PERCLOS提取所述眼部时间特征包括：其中，PERCLOS表示闭眼百分比，interval表示总时间且interval＝blink+CLOS+fixation+saccade，blink表示眨眼状态，CLOS表示闭眼状态，fixation表示眼睛的注视状态，saccade表示眼睛的扫描状态。5.根据权利要求3所述的驾驶员疲劳检测方法，其特征在于，所述S3中，所述眼部空间特征通过以下方式获得：将所述PERCLOS的计算结果转化为一维面部特征信号...

【专利技术属性】
技术研发人员：郜东瑞，沈艳，王录涛，李孝杰，李芃锐，张永清，汪曼青，
申请(专利权)人：成都信息工程大学，
类型：发明
国别省市：