[发明专利]一种基于深度学习多特征融合的驾驶员疲劳检测方法在审
| 申请号： | 201910974764.3 | 申请日： | 2019-10-14 |
| 公开（公告）号： | CN110728241A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 张汗灵;李皓星 | 申请（专利权）人： | 湖南大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 44248 深圳市科吉华烽知识产权事务所(普通合伙) | 代理人： | 谢肖雄 |
| 地址： | 410082 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习多特征融合的驾驶员疲劳检测方法，涉及驾驶员疲劳检测方法技术领域，包括以下步骤：数据预处理：利用相机、摄像头等采集设备进行连续拍摄，并将得到的图像进行预处理；人脸识别及特征提取：通过多任务级卷积网络模型获得预处理后的图像上的人脸区域及眼睛、嘴巴区域；并行检测：分别进行头部姿态估计、眼睛姿态估计和嘴巴姿态估计；疲劳检测：根据PERCLOS参数、打哈欠参数和点头参数判断是否疲劳，相对于现有技术，本发明避免了实际应用时复杂的图像处理过程，并且在实时性、准确性及鲁棒性上有较好的效果，有很好的检测性能，有更高的疲劳检测准确率。 | ||
| 搜索关键词： | 驾驶员疲劳检测 预处理 疲劳检测 姿态估计 图像 图像处理过程 多特征融合 数据预处理 并行检测 采集设备 参数判断 连续拍摄 人脸区域 人脸识别 特征提取 头部姿态 网络模型 嘴巴区域 鲁棒性 实时性 准确率 卷积 嘴巴 摄像 相机 疲劳 检测 应用 学习 | ||
【主权项】：
1.一种基于深度学习多特征融合的驾驶员疲劳检测方法，其特征在于，包括以下步骤：/n1)数据预处理：利用相机、摄像头等采集设备进行连续拍摄，并将得到的图像进行预处理；/n2)人脸识别及特征提取：通过多任务级卷积网络模型获得预处理后的图像上的人脸区域及眼睛、嘴巴区域；/n3)并行检测：分别进行头部姿态估计、眼睛姿态估计和嘴巴姿态估计；/n4)疲劳检测：根据PERCLOS参数、打哈欠参数和点头参数判断是否疲劳。/n
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湖南大学，未经湖南大学许可，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/201910974764.3/，转载请声明来源钻瓜专利网。
