[发明专利]一种基于多模型的驾驶员抽烟检测方法

说明书

本发明公开了一种基于多模型的驾驶员抽烟检测方法，包括获取驾驶员抽烟检测区域图像，将驾驶员抽烟检测区域图像输入至抽烟手势识别模型和香烟区域识别模型获取抽烟手势识别的概率图和香烟识别的概率图，对抽烟手势识别的概率图和香烟识别的概率图的结果进行分析，当同时识别到抽烟手势以及香烟时，则检测出驾驶员在抽烟。本发明所述的基于多模型的驾驶员抽烟检测方法，通过检测抽烟手势以及检测香烟，能降低抽烟检测的误报率，且香烟检测是采用实例分割，对于香烟这种细长目标情况，实例分割避免背景像素带来的影响，从而提高最终检测的稳定性。

技术领域

本发明涉及图像识别技术领域，具体为一种基于多模型的驾驶员抽烟检测方法。

背景技术

随着经济以及汽车技术的发展，全球汽车越来越多，交通越来越发达。但是人们的安全防范意识并没有相应的增强，这导致交通事故也越发频繁；所以安全辅助驾驶技术也越来越得到重视。而驾驶员抽烟行为会导致驾驶者分心驾驶，所以抽烟检测技术是安全驾驶技术的重要组成部分。传统的抽烟检测方法包括应用传统机器学习方法和应用深度学习方法。应用传统机器学习方法通过提取烟雾的LBP特征、颜色特征、烟雾轮廓不规则驾驶员嘴部区域特征进行融合，再利用SVM分类是否再抽烟，该方法容易受到环境的影响，例如光照，而导致的误判。应用深度学习方法通过目标检测模型对香烟进行目标检测，得到香烟的分类以及位置信息，由于香烟的区域占抽烟区域较小，该方法同样容易出现误判。

发明内容

本发明的目的在于提供一种能够降低抽烟检测误报率的基于多模型的驾驶员抽烟检测方法。

本发明提供了一种基于多模型的驾驶员抽烟检测方法，包括：

获取驾驶员抽烟检测区域图像；

将驾驶员抽烟检测区域图像输入至抽烟手势识别模型和香烟区域识别模型获取抽烟手势识别的概率图和香烟识别的概率图；

对抽烟手势识别的概率图和香烟识别的概率图的结果进行分析，当同时识别到抽烟手势以及香烟时，则检测出驾驶员在抽烟。

本发明采用的基于多模型的驾驶员抽烟检测方法，通过检测抽烟手势以及检测香烟，能降低抽烟检测的误报率，且香烟检测是采用实例分割，即识别出图像每个像素属于香烟的概率，对于香烟这种细长目标情况，实例分割避免背景像素带来的影响，从而提高最终检测的稳定性；。

附图说明

图1为本发明实施例提供的基于多模型的驾驶员抽烟检测方法的流程示意图；

图2为本发明实施例提供的抽烟手势识别模型示意图；

图3为本发明实施例提供的香烟区域识别模型示意图；

图4为本发明实施例提供的含抽烟手势的样品图像生成流程示意图；

图5为本发明实施例提供的香烟区域样品图像生成流程示意图；

图6为本发明实施例提供的香烟检测的实例示意图。

具体实施方式

如图1所示，本发明实施例提供的一种基于多模型的驾驶员抽烟检测方法，包括通过摄像设备获取图像，对图像进行全图人脸检测，获得人脸的区域，计算各个人脸区域的面积，提取面积最大的人脸图像，将人脸图像输入人脸对齐模型，提取到一系列具有人脸特征点的人脸图像，根据具有人脸特征点的人脸图像，提取驾驶员嘴巴周围区域图像，根据提取到的驾驶员嘴巴周围区域图像获取驾驶员抽烟检测区域图像，将驾驶员抽烟检测区域图像输入至抽烟手势识别模型和香烟区域识别模型获取抽烟手势识别的概率图和香烟识别的概率图，对抽烟手势识别的概率图和香烟识别的概率图的结果进行分析，当同时识别到抽烟手势以及香烟时，则检测出驾驶员在抽烟。

将驾驶员抽烟检测区域图像输入至抽烟手势识别模型和香烟区域识别模型获取抽烟手势识别的概率图和香烟识别的概率图具体为：