申请/专利权人：青岛科技大学

申请日：2021-05-18

公开（公告）日：2022-08-23

公开（公告）号：CN113269069B

主分类号：G06V20/59

分类号：G06V20/59;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2022.08.23#授权;2021.09.03#实质审查的生效;2021.08.17#公开

摘要：本发明公开一种基于卡车司机面部特征的困倦辨识方法及装置,所述方法包括：采集驾驶人的人脸图像数据，构建为数据集；构建并训练人脸检测模型，通过训练好的人脸检测模型进行人脸检测及追踪；构建并训练人脸对齐模型，通过训练好的人脸对齐模型进行人脸关键点定位，提取驾驶人眼动、嘴部困倦表征参数数据；基于人脸关键点定位结果，通过三维立体空间与二维图像之间的映射关系，提取头部困倦表征参数数据；对困倦表征参数数据进行数据清洗及数据预处理；构建并训练PSO‑GRNN模型，通过训练好的PSO‑GRNN模型对实时采集的人脸图像数据进行卡车司机困倦驾驶状态辨识。本发明能够快速准确地对中年卡车司机进行困倦驾驶辨识。

主权项：1.一种基于卡车司机面部特征的困倦辨识方法，其特征在于，包括如下步骤：采集驾驶人的人脸图像数据，构建为数据集，并对所述数据集中的人脸图像进行图像预处理；构建并训练人脸检测模型，通过训练好的人脸检测模型对所述数据集中的人脸图像进行人脸检测及追踪；构建并训练人脸对齐模型，基于人脸检测及追踪结果，通过训练好的人脸对齐模型进行人脸关键点定位，提取驾驶人眼动、嘴部困倦表征参数数据；基于人脸关键点定位结果，通过三维立体空间与二维图像之间的映射关系，提取头部困倦表征参数数据；其中，头部困倦表征参数包括偏航角、翻滚角和俯仰角；对提取的眼动、嘴部及头部困倦表征参数数据进行数据清洗及数据预处理；基于预处理后的困倦表征参数数据构建并训练PSO-GRNN模型，通过训练好的PSO-GRNN模型对实时采集的人脸图像数据进行卡车司机困倦驾驶状态辨识；所述的数据集包括困倦驾驶状态数据集和干扰数据集；所述困倦驾驶状态数据集包含困倦驾驶状态时的特征和标签数据，所述干扰数据集包含驾驶人正常驾驶时的特征和标签数据；所述卡车司机困倦驾驶状态辨识的具体方法包括：S601、利用RFE算法对数据预处理后的特征进行筛选，得到最优特征矩阵；S602、构建PSO-GRNN模型，并对所述PSO-GRNN模型进行参数初始化；所述构建PSO-GRNN模型，通过PSO算法对GRNN模型中光滑因子σ进行优化，步骤如下：1初始化粒子群，并设置粒子群算法的基本参数；2将粒子位置映射到GRNN网络中，构建GRNN困倦驾驶状态辨识模型；3将特征选择后的包含一定比例的困倦驾驶状态数据和干扰数据集输入到GRNN神经网络中进行模型训练；4更新粒子pbest；5更新全局最优位置gbest；6根据pbest和gbest更新和调整粒子的当前位置和速度；7判断是否满足条件或最大迭代次数，如果达到最大迭代次数，则PSO优化结束，将gbest映射到GRNN中进行网络模型的测试；S603、基于最优特征矩阵对所述PSO-GRNN模型进行训练，得到训练好的PSO-GRNN模型；其中，训练过程中，通过PSO算法优化GRNN神经网络的光滑因子；S604、实时采集基于时间序列的驾驶状态数据，通过滑动窗口算法将所述驾驶状态数据输入到训练好的PSO-GRNN模型，得到卡车司机困倦状态的辨识结果。

全文数据：

权利要求：

百度查询： 青岛科技大学 一种基于卡车司机面部特征的困倦辨识方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD