基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法技术

本发明专利技术公开了基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，使用二维卷积网络的人脸特征，估计二维人脸的凝视方向和二维人脸的凝视锥体。本发明专利技术使用三维人脸重建的深度特征，估计三维人脸的凝视方向和三维人脸的凝视锥体。为了验证三维人脸的凝视方向的准确性，计算其与二维人脸凝视方向的一致性损失。为了验证三维人脸的凝视锥体的准确性，计算其与二维人脸凝视锥体的一致性损失。本发明专利技术结合二维‑三维一致性凝视方向，和二维‑三维凝视椎体一致性，能够保证二维人脸特征提取和三维人脸特征提取的可靠性，实现准确的凝视方向检测。

【技术实现步骤摘要】

本专利技术涉及驾驶安全领域，具体是一种基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法。

技术介绍

1、随着自动驾驶技术的发展，驾驶员的注意力监测变得尤为重要。为了确保驾驶员在驾驶过程中保持适当的注意力，凝视方向检测技术逐渐成为一个重要的研究领域。现有的凝视方向检测方法主要分为二维人脸特征提取和三维人脸重建两大类。

2、二维人脸特征提取方法通常使用卷积神经网络(cnn)来处理人脸图像，并估计凝视方向。然而，由于缺乏深度信息，这些方法在准确性和鲁棒性上存在一定的局限性，特别是在面对光照变化、遮挡以及头部姿态变化时，检测精度会显著下降。此外，仅依赖二维信息无法充分反映出人脸的三维结构特征，影响了凝视方向的判断。

3、另一方面，三维人脸重建技术通过捕捉面部的深度信息，可以更精确地建模人脸的空间结构。然而，现有的三维重建方法往往复杂且计算资源密集，且在实际应用中容易受到硬件性能的限制。此外，单纯依赖三维信息的凝视方向检测方法在某些场景下可能存在稳定性不足的问题。

4、目前，虽然有一些研究尝试将二维和三维信息相结合，以提高凝视方本文档来自技高网...

【技术保护点】

1.基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤S2中，对驾驶员的左眼区域图像Image_left进行卷积池化处理，得到左眼凝视方向对驾驶员的右眼区域图像Image_right进行卷积池化处理，得到右眼凝视方向最后结合左眼凝视方向右眼凝视方向计算得到二维凝视方向

3.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤S3中，基于基于驾驶员三维人脸位置图像position3D获取三维左眼点集P'left...

【技术特征摘要】

1.基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤s2中，对驾驶员的左眼区域图像image_left进行卷积池化处理，得到左眼凝视方向对驾驶员的右眼区域图像image_right进行卷积池化处理，得到右眼凝视方向最后结合左眼凝视方向右眼凝视方向计算得到二维凝视方向

3.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤s3中，基于基于驾驶员三维人脸位置图像position3d获取三维左眼点集p'left_eye、三维右眼点集p'right_eye、三维鼻子点集p'nose，由此构成三维人脸关键特征点集合然后对三维人脸关键特征点集合进行全连接层处理，由此得到驾驶员三维凝视方向

4.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤s4中，基于步骤s2计算得到的二维凝视方向步骤1中的二维凝视方向数据集中的二维凝视方向计算二维凝视方向损失

5.根据权利要求1所述的基于二维三维人脸一致性凝视的驾驶员凝视方向检测方法，其特征在于，步骤s4中，基于...

【专利技术属性】
技术研发人员：陈伟超，吴克伟，刘必源，廖伟良，王长青，陈凯，谢昭，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：