基于深度学习的人脸信息疲劳检测与预警方法及相关装置制造方法及图纸

本发明专利技术公开了一种基于深度学习的人脸信息疲劳检测与预警方法及相关装置，属于疲劳检测技术领域；通过采集待测人员的实时人脸图像；对人脸图像进行预处理，包括人脸检测、面部特征提取等；将预处理后的人脸图像输入到基于Transformer的深度学习模型中；通过Transformer模型提取人脸图像的特征，并对其进行疲劳评估；根据疲劳评估结果，输出待测人员的疲劳程度；当检测到待测人员的疲劳程度超过预设阈值时，触发疲劳预警机制，以实现对待测人员疲劳程度的连续监测和及时预警。本发明专利技术应用Transformer算法，极大地提升了特征提取的效能，对疲劳度的识别准确率高，识别周期短，能够显著减少事故发生概率。

【技术实现步骤摘要】

本专利技术属于疲劳检测，涉及一种基于深度学习的人脸信息疲劳检测与预警方法及相关装置。

技术介绍

1、随着科技的快速发展和人们生活节奏的加快，疲劳驾驶、长时间工作引发的疲劳等问题日益凸显，对人们的生命安全和工作效率产生了严重威胁。随着交通流量的急剧增长和汽车技术的飞速发展，驾驶安全已成为人们关注的焦点。其中，疲劳驾驶作为一种常见的安全隐患，其潜在的风险不容忽视。长时间连续驾驶，特别是在高速公路或夜间行驶时，驾驶员容易出现疲劳状态，这不仅影响他们的反应速度和判断能力，还可能导致严重的交通事故。因此，疲劳驾驶中疲劳检测与预警技术的研发显得尤为重要。

2、传统的疲劳检测主要依赖于人工观察和简单的生理指标检测，这些方法在实际应用中暴露出了明显的局限性。首先，人工观察虽然直观，但效率低下，且受到观察者的主观判断和经验影响，无法持续、稳定地对驾驶员的疲劳状态进行准确评估。其次，简单的生理指标检测，虽然能在一定程度上反映疲劳状态，但这些指标往往不够全面和准确。因为疲劳是一种复杂的生理和心理状态，涉及到多个系统和器官的变化，单一的生理指标很难全面反映疲劳的程度和本文档来自技高网...

【技术保护点】

1.一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述预处理的步骤具体包括：

3.根据权利要求2所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述将采集到的彩色人脸图像转换为灰度图像的步骤，采用RGB到灰度的转换公式实现。

4.根据权利要求2所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述增强处理采用对比度增强、锐化或噪声去除实现。

5.根据权利要求1所述的一种基于深度学习的人脸信息疲劳检测与预...

【技术特征摘要】

1.一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述预处理的步骤具体包括：

3.根据权利要求2所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述将采集到的彩色人脸图像转换为灰度图像的步骤，采用rgb到灰度的转换公式实现。

4.根据权利要求2所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述增强处理采用对比度增强、锐化或噪声去除实现。

5.根据权利要求1所述的一种基于深度学习的人脸信息疲劳检测与预警方法，其特征在于，所述人脸信息疲劳检测模型为基于transformer的深度学习模型。

6.根据权利要求5所述的一种基于深度学习的...

【专利技术属性】
技术研发人员：沙云翔，刘德民，杨雨萌，张诗尧，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：