基于人工智能的驾驶员姿态行为检测方法

本发明涉及一种人工智能图像识别领域，尤其涉及一种基于人工智能的面部特征与驾驶员姿态行为检测方法。

背景技术：

1、随着城市道路建设在不断完善，人民生活水平不断提高，汽车所带来的各项问题如尾气污染、交通安全事故等也成为了一项社会的重大隐患。据公安部披露,截止2021年12月，全国机动车保有量已达3.93亿辆,其中汽车保有量突破3亿辆。道路交通事故已经成为威胁人类安全的第一大隐患，因此在面临目前复杂交通环境下的面部特征安全保护成为了当下人们最关注的安全问题。

2、随着电子技术及计算机人工智能的高速发展，人类也在汽车的运行控制阶段尝试将人工智能融入其中，从abs(汽车防抱死系统)系统到倒车辅助系统，电子技术、机器视觉和人工智能的决策辅助功能越来越受到重视。在人工智能技术中，机器视觉以及图像处理是人工智能领域一个重要的研究方向，同时结合人工智能的基本算法发展，以传感器体系为主导的人工智能工作体系能够清晰识别现实场景中的大型物体。而在复杂的道路交通环境下，借助道路交通场景下的摄像头、测速工具等现有设备，通过人工智能进行道路情况评估、安全监测、人物动态判定等功能辅助决策，在本发明中，传感器系统将对图像进行实时捕捉并交由人工智能算法进行计算，实时判定驾驶员状态、道路信息，并对危险情况提出预警及辅助决策。从而极大的降低因驾驶员或道路突发情况导致的交通事故，一定程度上减少道路安全隐患，而且人工智能在使用过程中具有高准确率、低时延、高精确度的特性，而这些特点也刚好是道路交通安全保护系统最需要的特性。

技术实现思路

1、为了克服现有的行为姿态系统在复杂条件下的识别准确度不足，实时性不高，本发明提供一种基于人工智能的面部特征与驾驶员姿态行为检测方法，该方法在解决了现有方法精度低、实时性不强的基础上，提高行为检测的效率，增强了对应行为识别的准确度。

2、本发明解决其技术问题所采用的技术方案是：对行为检测以及姿态检测相关理论进行研究，明确所要提取的特征。视觉特征以形状为主。语义特征以语法、句子结构为主。

3、进一步地，对进行特征提取所要使用的算法进行研究。在视觉信息的提取上采取一种特征无损的faster r-cnn面部特征检测网络技术，获取视觉特征。然后使用图像处理技术如相似度计算等获取行为特征。

4、进一步地，对一种基于面部特征点间相对距离快速分类的头部姿态估计方法进行研究。在人脸检测给出的包络框上布置面部特征点的初始形状，而后在各特征点附近采集像素差特征,可以得到各个点的位置调整量，这样依次迭代最终会实现一个较准确的面部特征点对齐效果.最后根据特征点间的相对位置关系设计用于反应面部姿态的特征，并用softmax分类器对该特征进行分类得到最终的头部姿态信息。

5、进一步地，用结合实际场景验证实验，对算法的实际效果进行验证，并对算法进行细节调整。通过不断实验和理论进行对比，达到最佳输出方式。达成完成行为特征检测提取的目的，并通过算法对神经网络进行优化，达到高时效性和高准确度。

6、进一步地，根据融合后的算法，在理论上对其进行详细描述，在应用上进行多方面的尝试，以明确算法的优点与缺点。

7、本发明具有以下优点：

8、通过在视觉信息的提取上采取一种特征无损的faster r-cnn面部特征检测网络技术，考虑到了卷积特征图中的所有特征信息，避免了“空间锥”池化层对行人信息的丢失。

9、通过一种基于面部特征点间相对距离快速分类的头部姿态估计方法，利用被测者面部特征点实现了对其头部姿态的精确建模，进而得到头部姿态的准确姿态，该算法能够实现精确检测且时效性强。

技术特征：

1.一种基于人工智能的面部特征与驾驶员姿态行为检测方法，包括采用特征无损的faster r-cnn面部特征检测方法的网络结构，其特征在于：本网络通过夹杂着池化的卷积层对原始图像数据进行特征提取，而后在得到的特征图中进行后续区域的选取﹐对候选区域的特征范围内的卷积结果通过特征无损量化层进行固定维度的特征编码后送到全连接层进行再分类，最终得到被检测物体在图像中的位置和类别输出。

2.根据权利要求1所述的基于人工智能的面部特征与驾驶员姿态行为检测方法，其特征在于：还包括基于面部特征点间相对距离快速分类的头部姿态估计方法。首先在人脸检测给出的包络框上布置面部特征点的初始形状，而后在各特征点附近采集像素差特征,可以得到各个点的位置调整量，这样依次迭代最终会实现一个较准确的面部特征点对齐效果.最后根据特征点间的相对位置关系设计用于反应面部姿态的特征，并用softmax分类器对该特征进行分类得到最终的头部姿态信息。

3.根据权利要求2所述的基于人工智能的面部特征与驾驶员姿态行为检测方法，其特征在于：还包括softmax分类器的假设函数如式所示：。

4.根据权利要求3所述的基于人工智能的面部特征与驾驶员姿态行为检测方法，其特征在于：还包括本发明整体框架，以人工智能为基础，从面部特征检测及驾驶员行为姿态检测两个方便进行研究，深度挖掘其理论方法，创造性地提出特征无损的faster r-cnn网络以及基于面部特征点距的驾驶员姿态估计方法，同时结合细节增强型行人检测方法，以期面对道路交通参与者众多，道路场景复杂，快速、准确的识别出道路中的行人和车辆，来帮助驾驶者安全驾驶。

技术总结
本发明提供了一种基于人工智能的面部特征与驾驶员姿态行为检测方法，包括以下步骤：研究行为检测以及姿态检测相关理论，采用一种特征无损的Faster r‑cnn面部特征检测网络技术、细节增强型“知识提取”训练方法、面部特征点间相对距离进行分类的快速驾驶员头部姿态估计方法对驾驶员、行人、车辆行为进行特征抓取、数据处理以及动态分析，为驾驶员提供决策辅助。

技术研发人员：黄志远
受保护的技术使用者：西南科技大学
技术研发日：
技术公布日：2024/9/23