申请/专利权人：中国矿业大学

申请日：2022-10-13

公开（公告）日：2024-05-17

公开（公告）号：CN115578719B

主分类号：G06V20/59

分类号：G06V20/59;G06V10/82;G06V20/40;G06V40/16;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2023.01.24#实质审查的生效;2023.01.06#公开

摘要：本发明公开了一种基于YM_SSH的轻量级目标检测的疲劳状态检测方法，具体包括以下步骤：数据集准备，结合国内疲劳检测公共数据建立疲劳状态检测数据集；神经网络搭建，使用MobileViT代换YOLOv3的主干网络Darknet53，使用小尺寸卷积核代替大尺寸卷积核，搭建具有更大有效感受野的轻量级网络YM_SSH，使用改进的SSH网络增大模型感受野；减半网络通道数，将网络模型轻量化；嵌入式部署，将模型转化为TensorRT模型，提高模型在移动终端的推理速度。本发明基于轻量级目标检测网络以及可分离深度卷积，在扩大特征感受野的同时减少卷积核计算量和参数量，并且检测速度和精度与原网络模型几乎持平，解决了实时疲劳检测精确度低的问题。

主权项：1.一种基于YM_SSH的轻量级目标检测的疲劳状态检测方法，其特征在于：包括以下步骤：步骤S1、标注疲劳检测数据集，并划分训练集、验证集和测试集；步骤S2、使用目标检测模块和目标跟踪模块搭建卷积神经网络，网络最终输出为疲劳状态和位置信息；步骤S3、使用步骤S1中的数据集训练步骤S2中的卷积神经网络，得到可以准确识别疲劳状态检测模型；所述卷积神经网络搭建的具体步骤为：步骤S31、使用YOLOv3作为基础网络模型，使用MobileViT替代YOLOv3的原有骨干网络DarkNet53，减少模型的参数量和计算量；步骤S32、利用若干个3x3小卷积核替代5x7和7x7的大卷积核，在具有相当的感受野时，3x3的卷积核具有更少的参数量和计算代价；步骤S33、引入改进的SSH人脸检测模块，借鉴了Inception结构，利用多个卷积维度，拓展特征提取感受野，通过多分支，不同大小卷积核提取特征，将SSH模块中的Conv-1单元卷积为一个3x3卷积核，通道数缩减为原来的12，Conv-2单元卷积利用两个3x3卷积核替换一个5x5卷积核，通道数缩减为原来的14，Conv-3单元卷积利用三个3x3卷积核替换一个7x7卷积核，合并之后，总通道数不变；步骤S34、最后在目标检测模块后添加目标跟踪模块，目标跟踪模块中包含一个目标跟踪算法，用于避免同一对象的重识别；步骤S4、将疲劳状态检测模型转换为可以嵌入式部署的模型；步骤S5、将步骤S4中转换后的模型部署到终端设备，将终端设备摄像头拍摄的视频流输入疲劳状态检测模型，并输出检测结果。

全文数据：

权利要求：

百度查询： 中国矿业大学 一种基于YM_SSH的轻量级目标检测的疲劳状态检测方法

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