本公开涉及一种驾驶状态检测方法、装置、电子设备和存储介质，以提高驾驶状态检测效率以及准确性。该方法包括：获取车辆驾驶舱内的当前图像帧；根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第一人脸关键点；根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，所述第二人脸位置信息用于针对下一图像帧进行人脸特征检测。对下一图像帧进行人脸特征检测。对下一图像帧进行人脸特征检测。
【技术实现步骤摘要】
驾驶状态检测方法、装置、电子设备和存储介质
[0001]本公开涉及图像处理
，具体地，涉及一种驾驶状态检测方法、装置、电子设备和存储介质。
技术介绍
[0002]随着车辆的普及，驾驶员疲劳驾驶事故频发，危害着人们的生活和健康，为此，有必要对驾驶员进行驾驶状态检测。然而，相关技术中的驾驶状态检测方法存在检测效率低的问题。
技术实现思路
[0003]本公开的目的是提供一种驾驶状态检测方法、装置、电子设备和存储介质，以简化人脸特征检测流程，提高驾驶状态检测效率，以及提高下一图像帧人脸特征检测的准确性。
[0004]根据本公开实施例的第一方面，提供一种驾驶状态检测方法，包括：
[0005]获取车辆驾驶舱内的当前图像帧；
[0006]根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第一人脸关键点；
[0007]根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，所述第二人脸位置信息用于针对下一图像帧进行人脸特征检测。
[0008]可选地，所述根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，包括：
[0009]在所述上一图像帧与所述当前图像帧之间的帧间差异小于预设阈值的情况下，根据所述上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测。
[0010]可选地，所述方法还包括：r/>[0011]在所述上一图像帧与所述当前图像帧之间的帧间差异大于或者等于预设阈值的情况下，对所述当前图像帧进行人脸位置检测，得到第三人脸位置信息；
[0012]根据所述第三人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第二人脸关键点；
[0013]根据所述第三人脸位置信息以及所述第二人脸关键点确定对应所述当前图像帧的第四人脸位置信息，所述第四人脸位置信息用于针对下一图像帧进行人脸特征检测。
[0014]可选地，所述根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，包括：
[0015]确定所述第一人脸关键点构成的人脸区域的外接图形与所述第一人脸位置信息之间的重叠率；
[0016]基于所述重叠率，确定所述第二人脸位置信息。
[0017]可选地，所述基于所述重叠率，确定所述第二人脸位置信息，包括：
[0018]在所述重叠率小于预设比例时，将所述外接图形确定为所述第二人脸位置信息；
[0019]在所述重叠率大于或者等于预设比例时，将所述外接图形以及所述第一人脸位置信息进行加权融合，并将融合后的位置信息确定为所述第二人脸位置信息。
[0020]可选地，所述根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，包括：
[0021]从所述当前图像帧中确定所述第一人脸位置信息所在区域的图像；
[0022]将确定出的所述第一人脸位置信息所在区域的图像输入预设神经网络模型，得到所述预设神经网络模型输出的所述第一人脸关键点、头部姿势、人眼开闭、嘴部状态信息；
[0023]所述预设神经网络模型是基于标记有人脸关键点标签、头部姿势标签、人眼开闭标签、嘴部状态标签的样本进行有监督训练得到的。
[0024]可选地，所述预设神经网络模型包括预处理层、第一特征提取层、第二特征提取层、第三特征提取层以及全连接层，所述预处理层的输入为任一帧图像对应的人脸位置信息，所述第一特征提取层的输入为所述预处理层的输出，所述第二特征提取层的输入为所述第一特征提取层的输出，所述第三特征提取层的输入为所述第二特征提取层的输出，所述全连接层的输入为所述第一特征提取层的输出、所述第二特征提取层的输出以及所述第三特征提取层的输出进行拼接之后的结果。
[0025]根据本公开实施例的第二方面，提供一种驾驶状态检测装置，包括：
[0026]获取模块，被配置为获取车辆驾驶舱内的当前图像帧；
[0027]第一驾驶状态检测模块，被配置为根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第一人脸关键点；
[0028]第一人脸位置信息确定模块，被配置为根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，所述第二人脸位置信息用于针对下一图像帧进行人脸特征检测。
[0029]根据本公开实施例的第三方面，提供一种电子设备，包括：
[0030]存储器，其上存储有计算机程序；
[0031]处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面所述驾驶状态检测方法的步骤。
[0032]根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面所述驾驶状态检测方法的步骤。
[0033]通过上述技术方案，通过获取车辆驾驶舱内的当前图像帧；根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第一人脸关键点；根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，所述第二人脸位置信息用于针对下一图像帧进行人脸特征检测。由于可以根据上一图像帧的人脸位置信息来对当前图像帧进行人脸特征检测，得到人脸特征信息，可以减少人脸位置信息检测的过程，进而降低驾驶状态检测的计算量，并且，由于可以根据上一图像帧对应
的第一人脸位置信息以及当前图像帧检测得到的第一人脸关键点来共同确定用于针对下一图像帧进行人脸特征检测的第二人脸位置信息，使得第二人脸位置信息可以同时参考两帧图像帧，因此，可以提高第二人脸位置信息确定的准确性。
[0034]本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0035]附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
[0036]图1是根据本公开一示例性实施例示出的一种驾驶状态检测方法的流程图；
[0037]图2是根据本公开一示例性实施例示出的一种预设神经网络模型的结构示意图；
[0038]图3是根据本公开一示例性实施例示出的另一种驾驶状态检测方法的流程图；
[0039]图4是根据本公开一示例性实施例示出的另一种驾驶状态检测方法的流程图；
[0040]图5是根据本公开一示例性实施例示出的一种驾驶状态检测装置的框图；
[0041]图6是根据本公开一示例性实施例示出的一种电子设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种驾驶状态检测方法，其特征在于，包括：获取车辆驾驶舱内的当前图像帧；根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第一人脸关键点；根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，所述第二人脸位置信息用于针对下一图像帧进行人脸特征检测。2.根据权利要求1所述的方法，其特征在于，所述根据上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测，包括：在所述上一图像帧与所述当前图像帧之间的帧间差异小于预设阈值的情况下，根据所述上一图像帧对应的第一人脸位置信息，对所述当前图像帧进行人脸特征检测。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在所述上一图像帧与所述当前图像帧之间的帧间差异大于或者等于预设阈值的情况下，对所述当前图像帧进行人脸位置检测，得到第三人脸位置信息；根据所述第三人脸位置信息，对所述当前图像帧进行人脸特征检测，得到人脸特征信息，并根据所述人脸特征信息进行驾驶状态检测，所述人脸特征信息包括第二人脸关键点；根据所述第三人脸位置信息以及所述第二人脸关键点确定对应所述当前图像帧的第四人脸位置信息，所述第四人脸位置信息用于针对下一图像帧进行人脸特征检测。4.根据权利要求1所述的方法，其特征在于，所述根据所述第一人脸位置信息以及所述第一人脸关键点确定对应所述当前图像帧的第二人脸位置信息，包括：确定所述第一人脸关键点构成的人脸区域的外接图形与所述第一人脸位置信息之间的重叠率；基于所述重叠率，确定所述第二人脸位置信息。5.根据权利要求4所述的方法，其特征在于，所述基于所述重叠率，确定所述第二人脸位置信息，包括：在所述重叠率小于预设比例时，将所述外接图形确定为所述第二人脸位置信息；在所述重叠率大于或者等于预设比例时，将所述外接图形以及所述第一人脸位置信息进行加权融合，并将融合后的位置信息确定为所述第二人脸位置信息。6.根据权利要求1所述的方法，其特征在于...
【专利技术属性】
技术研发人员：陈婷婷，刘德俊，孟令军，李春林，关鑫，
申请(专利权)人：东软集团大连有限公司东软集团股份有限公司，
类型：发明
国别省市：
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。