[发明专利]一种基于Video Transformer的疲劳驾驶检测方法

说明书

本发明公开了一种基于Video Transformer的疲劳驾驶检测方法，包括以下步骤：从正常光照数据集中获取待测视频帧；通过MTCNN神经网络进行人脸图像提取；将提取出的人脸图像序列输入到Video Transformer中获取最终疲劳检测判定结果。本发明采用上述一种基于Video Transformer的疲劳驾驶检测方法，用于复杂光照环境下，通过MTCNN神经网络得到待测视频帧中的人脸图片，从而能够有效的提高检测精确率，针对待测人脸图像序列，使用Video Transformer作为判别器完成最终疲劳结果判定。

技术领域

本发明涉及物联网安全技术领域，尤其是涉及一种基于Video Transformer的疲劳驾驶检测方法。

背景技术

随着汽车保有量的快速增长，交通事故也越来越多，给出行带来了巨大的安全隐患。为了尽量减少交通事故的发生。近期，政府出台了多项相关政策，取得显著成效。但现阶段，交通事故仍是生命安全的主要威胁之一。例如，缺乏道路安全驾驶意识、酒驾、疲劳驾驶是造成交通事故的主要因素。其中，疲劳驾驶占交通事故原因的14％-20％，在重载交通事故中约占43％，在大型货车和高速公路交通事故中约占37％。

我国道路交通安全法明确规定，驾驶人连续不休息超过4小时，视为疲劳驾驶。驾驶人有过度疲劳驾驶行为的，交管部门可以对其进行处罚，扣减驾驶执照。虽然规定可以在一定程度上减少驾驶员的过度疲劳驾驶行为，但在关键时刻进行疲劳预警可以大大减少因疲劳驾驶而引发的交通事故的发生。尤其是从事长途客运和货运的司机，由于工作需要，需要长时间连续驾驶机动车。然而，在驾驶车辆时难以始终保持高度警戒状态。因此，疲劳驾驶状态的实时检测和报警就尤为重要。

目前，在正常光照下的疲劳驾驶检测已经有很多性能较好的检测方法，并且一些已经进行使用。但是，在复杂光照环境下，仍存在无测试训练数据集、驾驶员面部特征不好提取和难以提高检测准确率等不足。因此，如何有效的解决上述问题，已经成为一项亟待解决的关键技术问题。

发明内容

本发明的目的是提供一种基于Video Transformer的疲劳驾驶检测方法，用于复杂光照环境下，通过MTCNN神经网络得到待测视频帧中的人脸图片，从而能够有效的提高检测精确率，针对待测人脸图像序列，使用Video Transformer作为判别器完成最终疲劳结果判定。

为实现上述目的，本发明提供了一种基于Video Transformer的疲劳驾驶检测方法，包括以下步骤：

S1、从正常光照数据集中获取待测视频帧；

S2、通过MTCNN神经网络进行人脸图像提取；

S3、将提取出的人脸图像序列输入到Video Transformer中获取最终疲劳检测判定结果。

优选的，所述步骤S1中从正常光照数据集中获取待测视频帧具备包括以下步骤：

(1)通过原始图像I得到h、w，根据h、w设置两个尺寸为h*w的像素表格I₁、I₂；

(2)在I₁上进行填充像素值，使得I₁[i][j]＝I[i][j]/2，其中i∈[0,h],j∈[0,w]；

(3)在I₂上同样进行填充数值，使得I₂[i][j]＝G(i,j)，其中i∈[0,h],j∈[0,w]，设定了G_max(x,y)＝2；

(4)最后将I₁于I₂进行相乘得到一张新的图像I'，即I'[i][j]＝I₁[i][j]×I₂[i][j]，其中i∈[0,h],j∈[0,w]。