【技术实现步骤摘要】
本申请涉及安全驾驶领域，尤其涉及车辆安全驾驶方法、车辆安全驾驶装置、电子设备、存储介质及车辆。
技术介绍
1、在安全驾驶方面，驾驶员的驾驶状态对安全驾驶有很大的影响，现有的研究中，研究了情绪对驾驶行为影响，通过采集了驾驶员在不同情绪状态下的数据，得出情绪状态对驾驶行为有明显的影响，其中处于悲伤与恐惧的情绪状态下，会产生小范围的车道偏移，而处于高兴和愤怒的情绪状态时，驾驶员会尝试更危险的驾驶行为。
2、而通过识别驾驶员表情判断情绪状态是较为成熟的方案，如，通过车内人脸采集设备对驾驶员面部表情识别，借助计算机视觉技术进行运算和学习。但现有的机器学习方法，采用人工提取的浅层特征如面部五官特征、轮廓和肌肉变化纹理对表情图像进行处理和分类。由于面部表情特征的识别受到个体差异性和环境因素的影响，当前表情识别方法效果不稳定，基于当前的方法加持深度学习方法，能够提高识别效率，但是识别准确率还有待提高。
3、因此，需要一种车辆安全驾驶的方案，通过以多尺度特征融合的方式进行特征提取，融合了对不同大小区域特征的提取，并结合残差机制，缓解网络梯度问题和注意力机制网络通过对提取特征进行重新分配权重，实现对驾驶员表情识别的准确率。
技术实现思路
1、本专利技术的目的在于提供一种车辆安全驾驶方法、车辆安全驾驶装置、电子设备、存储介质及车辆，至少解决上述的一个技术问题。
2、本专利技术提供了下述方案：
3、根据本专利技术的一个方面，提供一种车辆安全驾驶方法，所述车辆
4、获取驾驶位人员的面部表情图像信息；
5、提取所述面部表情图像的纹理特征，并处理；
6、根据处理所述纹理特征，生成情绪状态信息；
7、根据所述情绪状态信息，判断所述驾驶位人员的车辆安全驾驶状态；
8、若，所述驾驶位人员的车辆安全驾驶状态为危险驾驶状态，则激活车辆的警示状态；
9、其中，处理所述纹理特征包括，以尺度特征，融合所述纹理特征。
10、进一步的，还包括：
11、控制所述尺度特征，进行所述纹理特征的图像拼接，生成第一特征图。
12、进一步的，还包括：
13、预设多个尺度特征；
14、根据多个所述尺度特征，处理多个所述第一特征图，生成第二特征图。
15、进一步的，还包括：
16、获取senet注意力网络；
17、根据所述senet注意力网络，处理所述第二特征图；
18、所述处理所述第二特征图包括，通过压缩和激励对所述面部表情图像的特征进行加权；
19、根据处理所述第二特征图，调整所述尺度特征和所述纹理特征，对应预设的图像拼接维度；
20、根据所述图像拼接维度，获取增强的图像特征信息；
21、根据所述增强的图像特征信息进行残差连接，构建通道注意力机制，防止梯度爆炸。
22、进一步的，还包括：
23、根据所述senet注意力网络处理所述第二特征图进行网络搭建包括，输入所述面部表情图像的信息；
24、根据输入所述面部表情图像的信息，进行所述纹理特征提取；
25、根据所述纹理特征提取，进行平均池化处理和softmax处理，实现所述面部表情图像的分类；
26、根据所述面部表情图像的分类，生成情绪状态的类别信息。
27、进一步的，还包括：
28、降维处理所述面部表情图像；
29、根据降维处理所述面部表情图像，基于通道注意力机制，进行所述纹理特征提取。
30、根据本专利技术的二个方面，提供一种车辆安全驾驶装置，所述车辆安全驾驶装置包括：
31、表情图像模块，用于获取驾驶位人员的面部表情图像信息；
32、表情特征模块，用于提取所述面部表情图像的纹理特征，并处理；
33、情绪状态模块，用于根据处理所述纹理特征，生成情绪状态信息；
34、驾驶状态模块，用于根据所述情绪状态信息，判断所述驾驶位人员的车辆安全驾驶状态；
35、激活警示模块，用于若，所述驾驶位人员的车辆安全驾驶状态为危险驾驶状态，则激活车辆的警示状态。
36、特征融合模块，用于处理所述纹理特征包括，以尺度特征，融合所述纹理特征。
37、根据本专利技术的三个方面，提供一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
38、所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行所述车辆安全驾驶方法的步骤。
39、根据本专利技术的四个方面，提供一种计算机可读存储介质，包括：其存储有可由电子设备执行的计算机程序，当计算机程序在电子设备上运行时，使得电子设备执行所述车辆安全驾驶方法的步骤。
40、根据本专利技术的五个方面，提供一种车辆，包括：
41、电子设备，用于实现所述车辆安全驾驶方法的步骤；
42、处理器，处理器运行程序，当程序运行时从电子设备输出的数据执行所述车辆安全驾驶方法的步骤；
43、存储介质，用于存储程序，程序在运行时对于从电子设备输出的数据执行所述车辆安全驾驶方法的步骤。
44、通过上述方案，获得如下有益的技术效果：
45、本申请通过将原始图像进行图像大小转换与浅层的卷积模块特征图进行拼接，既保留了原始特征又突出了表情的纹理特征，并将特征图输入到特征提取模块中。
46、本申请通过将输出特征图结合注意力机制，如，结合senet注意力网络，压缩和激励后，重新对特征进行加权，完成在通道维度上的对原始特征的重标定后，对图像尺寸和通道进行调整，得到增强后的特征信息，并将输入特征图进行残差连接，防止梯度爆炸。
47、本申请通过网络搭建，将驾驶员表情图像作为训练图像输入到网络中，首先通过卷积和最大池化操作，采用平均池化和softmax完成表情分类，提高识别准确率。
本文档来自技高网...【技术保护点】
1.一种车辆安全驾驶方法，其特征在于，所述车辆安全驾驶方法包括：
2.根据权利要求1所述的车辆安全驾驶方法，其特征在于，还包括：
3.根据权利要求2所述的车辆安全驾驶方法，其特征在于，还包括：
4.根据权利要求3所述的车辆安全驾驶方法，其特征在于，还包括：
5.根据权利要求4所述的车辆安全驾驶方法，其特征在于，还包括：
6.根据权利要求5所述的车辆安全驾驶方法，其特征在于，还包括：
7.一种车辆安全驾驶装置，其特征在于，所述车辆安全驾驶装置包括：
8.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
9.一种计算机可读存储介质，其特征在于，包括：其存储有可由电子设备执行的计算机程序，当计算机程序在电子设备上运行时，使得电子设备执行权利要求1至6任一项所述车辆安全驾驶方法的步骤。
10.一种车辆，其特征在于，包括：
【技术特征摘要】
1.一种车辆安全驾驶方法，其特征在于，所述车辆安全驾驶方法包括：
2.根据权利要求1所述的车辆安全驾驶方法，其特征在于，还包括：
3.根据权利要求2所述的车辆安全驾驶方法，其特征在于，还包括：
4.根据权利要求3所述的车辆安全驾驶方法，其特征在于，还包括：
5.根据权利要求4所述的车辆安全驾驶方法，其特征在于，还包括：
6.根据权利要求5所述的车辆安全驾驶方法，其特征在于，还包括：
【专利技术属性】
技术研发人员：刘朝阳，马业轩，徐雷，刘杰，
申请(专利权)人：中国第一汽车股份有限公司，
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。