[发明专利]一种基于深度时空网络的疲劳检测方法有效
| 申请号： | 201910108850.6 | 申请日： | 2019-02-03 |
| 公开（公告）号： | CN109770925B | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 刘天键 | 申请（专利权）人： | 闽江学院 |
| 主分类号： | A61B5/18 | 分类号： | A61B5/18;A61B5/11;A61B5/0476 |
| 代理公司： | 北京知呱呱知识产权代理有限公司 11577 | 代理人： | 赵白;丁彦峰 |
| 地址： | 350108 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例公开了一种基于深度时空网络的疲劳检测方法，涉及机器学习技术领域，所述方法包括：模拟驾驶环境，包括不同天气和路况下的驾驶环境；在所述驾驶环境下采集样本数据并进行分类，包括第一数据集和第二数据集；构建深度时空网络模型，生成特征提取器对样本数据中眼部特征进行提取；利用自动编解码器对第一数据集的眼部特征进行特征压缩并输入循环神经网络RNN；利用第二数据集对循环神经网络RNN进行训练，得到训练完成的疲劳检测模型；利用训练完成的疲劳检测模型进行实时检测，输出检测结果并通过警示模块做出反馈。本发明实施例能够解决现有技术中的疲劳检测方法不能精确分类疲劳程度、操作不方便等问题。 | ||
| 搜索关键词： | 一种 基于 深度 时空 网络 疲劳 检测 方法 | ||
【主权项】：
1.一种基于深度时空网络的疲劳检测方法，其特征在于，所述方法包括：模拟驾驶环境，包括不同天气和路况下的驾驶环境；在所述驾驶环境下采集样本数据并进行分类，包括第一数据集和第二数据集；构建深度时空网络模型，生成特征提取器对样本数据中眼部特征进行提取；利用自动编解码器对第一数据集的眼部特征进行特征压缩并输入循环神经网络RNN；利用第二数据集对循环神经网络RNN进行训练，得到训练完成的疲劳检测模型；利用训练完成的疲劳检测模型进行实时检测，输出检测结果并通过警示模块做出反馈。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于闽江学院，未经闽江学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910108850.6/，转载请声明来源钻瓜专利网。
