[发明专利]一种基于深度学习的驾驶员安全带佩戴识别方法

权利要求书

1.一种基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，包括：

通过人脸检测算法识别出输入图像中驾驶员的人脸位置；

根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域；

通过训练好的卷积深度学习模型对所述待识别安全带区域进行识别，识别出驾驶员是否佩戴安全带及识别出安全带的位置；

卷积深度学习模型的训练方法，包括：

标注样本图片，将佩戴安全带的驾驶员图片标注人脸框和安全带位置特征点；将没佩戴安全带的驾驶员图片标注人脸框；所述样本图片包括佩戴安全带和不佩戴安全带的驾驶员图片；

预处理标注后的图片，根据标注的人脸框信息截取驾驶员躯干区域；并将截取的驾驶员躯干区域的尺寸归一化到指定尺寸；将标注的安全带位置特征点转换为相对于驾驶员躯干区域左上角的相对坐标；将转换后的驾驶员躯干区域作为模型训练安全带区域；

训练卷积深度学习模型，基于所述模型训练安全带区域，使用交叉熵损失函数和特征点欧式回归损失函数作为监督函数，最终训练出使交叉熵损失函数和特征点欧式回归损失函数之和最小的卷积深度学习模型。

2.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：

选择一段时间内的多帧图像进行识别，综合各帧识别结果识别出驾驶员是否佩戴安全带及识别出安全带的位置。

3.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述识别出驾驶员是否佩戴安全带及识别出安全带的位置之后，还包括：

判断驾驶员是否佩戴安全带及安全带的佩戴位置是否正确，如果驾驶员未佩戴带安全带或者佩戴位置不正确，通过语音报警通知驾驶员，并将图片上传到后台服务器或云端；否则，不报警。

4.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述输入图像为拍摄的车内红外图像。

5.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，根据所述人脸位置截取驾驶员躯干区域作为待识别安全带区域，具体包括：

根据所述人脸位置截取驾驶员躯干区域并将尺寸归一化到指定尺寸后作为待识别安全带区域。

6.根据权利要求1所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述截取驾驶员躯干区域的方法，包括：

在识别出人脸后，以识别出的人脸框的若干倍大小方形来截取人脸以下的躯干位置作为驾驶员躯干区域。

7.根据权利要求6所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述安全带位置特征点的标注方法，包括：

沿安全带左右两侧的边缘位置各标注若干点；其中，同一侧各标注点等间距，左右两侧标注的点数相同且呈对称分布。

8.根据权利要求6所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述交叉熵损失函数表示如下：

其中，y_i为标签，表示当前图片司机是否佩戴安全带；p_i表示模型预测概率。

9.根据权利要求6所述的基于深度学习的驾驶员安全带佩戴识别方法，其特征在于，所述特征点欧式回归损失函数表示如下：

其中，和是向量；表示模型预测输出安全带特征点的位置；表示当前样本安全带特征点的准确位置。