[发明专利]一种疲劳驾驶的判断方法、装置及设备

说明书

本发明公开了一种疲劳驾驶的判断方法、装置及设备，所述判断方法首先获得包含驾驶人头部图像的目标图像；然后确定所述目标图像中驾驶人的头部姿态信息；随后判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；最后当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。可见，本发明技术方案中，可以依据驾驶人在预定时间段内的头部姿态来确定出驾驶人处于未清醒状态，从而发出提醒信息来尽可能预防交通事故的发生。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种疲劳驾驶的判断方法、装置及设备。

背景技术

随着国内经济的迅速发展以及人民生活水平的逐渐提高，机动车的保有量在不断增大。

与此同时，道路交通事故的数量也呈现出不断上升的趋势。

在道路交通事故中，驾驶人疲劳驾驶是导致交通事故的主要因素之一。

因此，需要在驾驶人疲劳时给与及时提醒，来减少交通事故的发生。

发明内容

为解决上述技术问题，本发明实施例提供了一种疲劳驾驶的判断方法、装置及设备，以在驾驶人出现未清醒状态时，及时给出提醒来尽可能预防交通事故的发生，本发明的技术方案如下：

一种疲劳驾驶的判断方法，包括：

获得包含驾驶人头部图像的目标图像；

确定所述目标图像中驾驶人的头部姿态信息；

判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；

当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。

优选的，所述确定所述目标图像中驾驶人的头部姿态信息包括：

将所述目标图像作为输入参数，输入深度神经网络模型中，得到表征所述目标图像中驾驶人头部姿态的欧拉角参数，将所述欧拉角参数作为头部姿态信息。

优选的，所述确定所述目标图像中驾驶人的头部姿态信息包括：

将所述目标图像作为输入参数，输入深度神经网络模型中，得到所述目标图像中的人脸关键点；

将所述人脸关键点映射到头部立体空间中；

在所述头部立体空间中依据所述人脸关键点计算表征所述目标图像中驾驶人头部姿态的欧拉角参数，将所述欧拉角参数作为头部姿态信息。

优选的，所述判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果包括：

将预设时间段内的所述头部姿态信息累计为欧拉角序列数据；

对所述欧拉角序列数据进行滑动采样，得到特征序列数据；所述特征序列数据用于表征在所述预设时间段内驾驶人的头部所做出的一系列动作；

使用循环记忆神经网络模型识别所述特征序列数据，得到表征驾驶人是否处于未清醒状态的判断结果。

优选的，所述使用循环记忆神经网络模型识别所述特征序列数据前还包括：

对所述特征序列数据进行多层卷积编码，得到特征序列；

则所述使用循环记忆神经网络模型识别所述特征序列数据包括：将所述使用循环记忆神经网络模型识别所述特征序列。

优选的，所述使用循环记忆神经网络模型识别所述序列数据，得到表征驾驶人是否处于未清醒状态的判断结果包括：

将所述特征序列中每一个欧拉角参数值对应的特征序列分别输入循环记忆神经网络模型中，得到多个所述驾驶人处于未清醒状态的独立概率值；