[发明专利]基于深度学习的驾驶人头部姿态监测方法、系统、介质及设备

说明书

基于深度学习的驾驶人头部姿态监测方法、系统、介质及设备，包括：通过界面操作开启系统，初始化图像信息采集设备，预设信息处理逻辑；与服务器端建立通信连接并接受系统版本信息；检测系统版本信息版本、存储设备及图像信息采集设备，发出提示信息；服务器端接收提示信息，根据提示信息触发系统采集视频数据，提取当前单帧图片信息中的特征信息，根据特征信息构建头部姿态视线模型，根据图片样本进行头部姿态视线模型深度学习，生成深度学习结果集，从视频数据中提取单帧图片信息并保存为图片样本；根据预设处理逻辑处理得关注点检测信息；根据关注点检测信息和深度学习结果集获取姿态正误判定结果，根据姿态判定结果生成报告并存储。

技术领域

本发明涉及驾考监测系统，特别是涉及基于深度学习的驾驶人头部姿态监测方法、系统、介质及设备。

背景技术

随着时间的推进，中国驾驶人数量持续增多，加上传统技术中驾校通过教练人工配合简易电子检测提醒装置及系统监控学员进行驾驶考试，造成了驾校的驾驶人培养效率低下，驾驶人的驾驶技能学习质量亦无法得到保证，因此，伴随着驾驶人教育培训工作效率和效果的不理想，驾驶技能培训资源日益紧张的问题进一步凸显。由于在日常机动车辆见识考试检测的过程中，驾驶员视线检测时驾驶人考试检测过程中一项重要功能要求，而大部分驾驶人考试失误与考试人员的视线变化状态关系密切，传统技术中驾校教练坐在考试人员体侧并排，无法准确对考试人员视线关注方向准确检测。

目前，驾驶人检测方法主要有以下几种：基于传感器的检测，该类方法主要基于可穿戴式传感器，实时测量驾驶人身体的各部分的加速度信息或角速度信息，然后依据测量的信息检测驾驶人的行为状态。该类方法的缺点是需要随身携带穿戴式传感器，设备成本较高，使用极不方便。另一类技术主要基于视频图像分析的检测方法，通过直接提取图像特征及检测数据。该类方法的的缺点是背景建模不精确，直接使用提取的转头角度及关注点特征数据检测误差较大，造成误检和漏检较多，特征鲁棒性较低。

现有技术中需要随身携带穿戴式传感器，设备成本较高，使用不便，存在检测取值误差较大，造成误检和漏检较多，存在硬件成本高，特征鲁棒性较低，信息利用率低以及驾驶人姿态正误判定结果精确度低的技术问题。

发明内容

鉴于以上现有技术的硬件成本高，特征鲁棒性较低，信息利用率低以及驾驶人姿态正误判定结果精确度低的技术问题，本发明的目的在于提供一种基于深度学习的驾驶人头部姿态监测方法、系统、介质及设备，解决现有技术中的硬件成本高，特征鲁棒性较低，信息利用率低以及驾驶人姿态正误判定结果精确度低的技术问题。

为实现上述目的及其他相关目的，本发明提供一种基于深度学习的驾驶人头部姿态监测方法涉及基于深度学习的驾驶人头部姿态监测系统，包括：通过界面进行硬件上电操作开启基于深度学习的驾驶人头部姿态监测系统系统，配置通信参数信息，初始化图像信息采集设备，预设信息处理逻辑；与服务器端建立通信连接并接受系统版本信息；检测系统版本信息版本、存储设备及图像信息采集设备，完成检测并发出提示信息；服务器端接收提示信息，根据提示信息触发系统采集视频数据，从视频数据中提取单帧图片信息并保存为图片样本，提取当前单帧图片信息中的转头角度及关注点特征信息，根据转头角度及关注点特征信息构建头部姿态视线模型，根据图片样本进行头部姿态视线模型深度学习，生成深度学习结果集；根据预设处理逻辑处理得驾驶人关注点检测信息；根据驾驶人关注点检测信息和深度学习结果集获取驾驶人姿态正误判定结果，根据驾驶人姿态正误判定结果生成检测报告并存储。

于本发明的一实施方式中，通过界面操作开启所述基于深度学习的驾驶人头部姿态监测系统，配置通信参数信息，初始化图像信息采集设备，预设信息处理逻辑，包括：开启硬件设备；检测硬件设备，判断硬件设备是否已安装系统；若是，则初始化通信参数信息、摄像头和检测装置；若否，则在硬件设备上安装系统。