[发明专利]自动驾驶注意力检测系统及方法

说明书

本发明涉及智能驾驶领域，特别涉及关注驾驶员注意力的智能驾驶系统；本发明提供了一种智能驾驶系统，包括中央控制单元、信息采集单元等。所述中央控制单元还包括安全单元，所述安全单元，在智能驾驶模式中，通过实时检测人眼视线关注的位置坐标，来确保行驶安全。为了保证视线位置检测的准确，采用的自制的训练用数据采集架可以高效收集人脸各角度图像；采用的神经网络将人眼图像与人头部姿势图像融合在一起输入到神经网络中，让神经网络学习眼睛和头部姿态叠加的图像数据，即专门针对收集的高质量训练用图像数据集，设计与其配套的神经网络模型。

技术领域

本发明涉及智能驾驶领域，特别是涉及关注驾驶员注意力的智能驾驶系统。

背景技术

目前，现有技术中对于智能驾驶中驾驶员注意力的监控多采用设置在驾驶位置的各种监控传感器以及图像采集装置完成。如图1所示，现有智能驾驶系统包括图像采集装置和各类传感器；例如检测驾驶员是否将手握在方向盘位置并持续较长的时间，方向盘是否有转动，车辆是否感应到了驾驶员加速或刹车信号等。这些传统的传感装置因太灵敏，使车辆做出过激反应，虽然此时驾驶员并没有注意力不集中。此外，虽然传感器感应到驾驶员在控制方向盘，但此时驾驶员注意力放在其他位置，例如在玩手机，接打电话，这种情况下现有技术并没有给出注意力的提醒。因此现有的驾驶员注意力监控并不能胜任驾驶复杂的局面。

然而目前现有技术中对于图像采集却有诸多亟待解决的问题。例如，1）无法做到高效采集人脸图像：因为需要采集人脸某时刻各个角度的多幅照片，采用相机拍摄时需要相机做二维的往返运动，浪费大量时间。此外，在拍摄时需要做到被试者保持静止，而往往被试者在相机做二维往返运动时，无法长时间保持静止，因此很多采集的图像存在误差；2）现有技术使用的是显示器以及显示器上的相机，让被试者观看屏幕上的某一点，然后照相记录人脸图像。因为采用的是屏幕，屏幕将会把背景光挡住。此时拍摄的图像并不能真实反映实际的环境。因为实际环境，例如驾驶时，自然光会透过车前挡玻璃，照射到人脸。而采用屏幕上的相机屏蔽掉这部分光线，没有还原真实场景，这样会造成机器学习后的输出误差，影响使用效果；3）不易采集人脸侧面图像（或大角度图像），如果采集侧面图像需要人转头将近90度，首先体验感不好，其次人眼注视点需要在人的侧面较远地方，会导致承载注视点的装置长度非常大。4）智能驾驶过程中，由于技术的限制，如摄像头的盲区以及传感器的有限距离，使得存在安全隐患。

发明内容

鉴于现有技术中存在的问题，本发明的目的之一在于智能驾驶过程中，通过额外的检测人眼视线关注的位置坐标来确保行驶安全。

为达此目的，根据本发明的一个方面，本发明采用以下技术方案：

一种智能驾驶系统，包括中央控制单元、信息采集单元；

所述中央控制单元还包括安全单元，所述安全单元在智能驾驶模式中，通过驾驶员人眼视线方向确定其人眼关注点的位置，从而保证驾驶安全。

所述信息采集单元包括分类器，所述分类器用于根据获取到的驾驶员人脸图像判断驾驶员视线方向；

所述分类器的训练方法包括：将包括人眼与人头部位姿的一个整体图像输入到单个神经网络中，训练该神经网络使得其根据图像上人眼信息及头部位姿信息判断所述人眼视线方向；

其中所述整体图像为采用多台相机从不同的角度在同一时间拍摄人脸图像。

其中该神经网络包含5个卷积模块，每个卷积模块采用ShuffleNet结构。

优选的，以所述拍摄的人脸图像为输入层，将输入图像标准化为224*224的尺寸，然后使用3*3的卷积核以2个像素为步长进行卷积，使用ReLu激活函数，得到特征图的尺寸为112*112，再使用最大值池化，以2个像素为步长进行降采样，得到尺寸为56*56的特征图；再输入到所述的5个卷积模块。