【技术实现步骤摘要】
本专利技术涉及驾驶检测领域，特别是涉及一种打哈欠行为在线识别方法、设备、介质及产品。
技术介绍
1、传统的疲劳监测往往依靠物理传感设备，如眼睑运动监测装置或脑电波检测仪等，但这些方法存在操作复杂、成本高昂和对用户体验的负面影响等诸多不便。打哈欠，作为疲劳驾驶情况下一个常见的生理现象，其频繁出现预示着疲劳的加剧。目前，对驾驶员进行打哈欠识别的流行手段是对面部视频流进行分析，通过图像处理和特征识别技术，利用人工设计的特征提取算法来识别面部特征，如嘴部动态，从而进行疲劳预警。然而，打哈欠不仅需要考虑嘴部的变化，也应考虑到面部的其它部位如眼睛和鼻子的变化来综合进行判断。鉴于实际驾驶环境的复杂性、不同的驾驶角度以及多变的光照条件等，传统的人工特征识别手段逐渐显示出其局限。随着深度学习与计算机视觉技术的发展，采用人工智能进行疲劳检测成为可能。先进的卷积神经网络已被用于提取面部深层次特征，进而通过这些特征的综合分类，精准地识别出打哈欠行为。这种识别方式的关键在于保证其实时性和准确性，确保及时捕捉驾驶员的打哈欠信号，从而提升疲劳驾驶检测系统的效能。在此...
【技术保护点】
1.一种打哈欠行为在线识别方法，其特征在于，包括：
2.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，所述深度卷积神经网络模型，具体包括：
3.根据权利要求2所述的打哈欠行为在线识别方法，其特征在于，所述倒残差块，具体包括：
4.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，所述高效通道注意力层，具体包括：
5.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，根据驾驶员图像训练初始化后的哈欠检测模型，生成训练好的哈欠检测模型，具体包括：
6.根据权利要求1所述的打哈欠行为在线识别方...
【技术特征摘要】
1.一种打哈欠行为在线识别方法，其特征在于，包括：
2.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，所述深度卷积神经网络模型，具体包括：
3.根据权利要求2所述的打哈欠行为在线识别方法，其特征在于，所述倒残差块，具体包括：
4.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，所述高效通道注意力层，具体包括：
5.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，根据驾驶员图像训练初始化后的哈欠检测模型，生成训练好的哈欠检测模型，具体包括：
6.根据权利要求1所述的打哈欠行为在线识别方法，其特征在于，根据驾驶员图像训练初始化后的哈欠检测模型，生成训练好的哈欠检测模型，...
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。