一种基于驾驶员面部时序序列的疲劳驾驶检测方法技术

一种基于驾驶员面部时序序列的疲劳驾驶检测方法，具体包括以下步骤：步骤1、利用优化后单阶段人脸检测算法RetinaFace获取人脸面部区域位置；步骤2、利用面部关键点检测网络MSGM‑Net在步骤1获取的人脸面部区域位置定位驾驶员的98个面部关键点，依据面部关键点随着时间的推移计算疲劳特征参数时序序列，疲劳特征参数时序序列包括每个时间点左右眼的横纵比、嘴部的横纵比以及头部的欧拉角；步骤3、将疲劳特征参数时序序列进行线性变换和位置编码后，输入至Transformer模型，得到最终疲劳状态结果。本发明专利技术检测效率及准确率高，泛化能力强。

【技术实现步骤摘要】

本专利技术涉及图象处理，具体说的是一种基于驾驶员面部时序序列的疲劳驾驶检测方法。

技术介绍

1、随着汽车行业和道路交通的不断发展，机动车的数量不断增加，道路交通事故频繁发生。疲劳驾驶是影响交通安全重要因素之一，在驾驶过程中实时检测驾驶员的状态并在驾驶员疲劳或困倦时及时做出提醒，最终减少因疲劳驾驶引起的交通事故具有重要意义。

2、目前，疲劳驾驶检测方法根据检测参数的不同主要3大类：基于车辆行为特征的检测[1]、驾驶员生理特征的检测[2][3]以及驾驶员面部特征的检测。基于车辆行为特征的疲劳驾驶检测方法主要通过监测驾驶员的方向盘操作、车辆速度、轨迹偏差和行驶轨迹等来实时评估驾驶员是否处于疲劳驾驶状态。驾驶员疲劳引起的车辆数据变化相对于驾驶员疲劳具有一定延迟性，当车辆数据发生变化时驾驶员可能已经处于疲劳状态一段时间。此外，由于道路和环境的变化对检测精度有所影响，因此，该方法并不适用于实时的疲劳驾驶检测。基于生理特征的疲劳驾驶检测方法主要根据驾驶员的身体特征参数信号，如脑电图、心电图、肌电图和眼电图等生理数据，将获得的数据与非疲劳状态的数据进行比较，并本文档来自技高网...

【技术保护点】

1.一种基于驾驶员面部时序序列的疲劳驾驶检测方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的一种基于驾驶员面部时序序列的疲劳驾驶检测方法，其特征在于：优化后单阶段人脸检测算法RetinaFace包括基于Mobilenetr的主干特征提取网络、FPN和SSH模块，在Mobilenet网络中卷积提取特征，然后经过三个阶段不同深度的深度卷积调整特征图的通道数，第二个阶段的特征图输入FPN结构，先经过1×1卷积核进行通道数调整，第三个阶段的特征图经过1×1卷积核进行通道数调整其中一路直接输入SSH模块，另一路经过上采样后与第二阶段调整通道数的输出相加，并再次通过1×1卷积...

【技术特征摘要】

1.一种基于驾驶员面部时序序列的疲劳驾驶检测方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的一种基于驾驶员面部时序序列的疲劳驾驶检测方法，其特征在于：优化后单阶段人脸检测算法retinaface包括基于mobilenetr的主干特征提取网络、fpn和ssh模块，在mobilenet网络中卷积提取特征，然后经过三个阶段不同深度的深度卷积调整特征图的通道数，第二个阶段的特征图输入fpn结构，先经过1×1卷积核进行通道数调整，第三个阶段的特征图经过1×1卷积核进行通道数调整其中一路直接输入ssh模块，另一路经过上采样后与第二阶段调整通道数的输出相...

【专利技术属性】
技术研发人员：郑国强，钱永林，谢一凡，吕香帅，沈森，韩哲，马华红，张威震，周科克，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：