[发明专利]人工神经网络的车辆安全驾驶检测方法、装置及存储介质

权利要求书

1.一种基于人工神经网络的车辆安全驾驶检测方法，其特征在于，包括：

采集历史驾驶过程的特征样本参数，其中，所述特征样本参数包括历史驾驶数据中用于表征驾驶员状态的第一类特征样本参数、用于表征车辆行驶状态的第二类特征样本参数；

建立包括前级神经网络和后级神经网络的人工神经网络模型，并利用所述危险驾驶的特征样本参数训练所述人工神经网络模型，其中，利用所述前级神经网络分别对所述第一类特征样本参数及所述第二类特征样本参数进行特征融合，将特征融合后的所述第一类特征样本参数及所述第二类特征样本参数输入所述后级神经网络中训练，获取包含预设危险驾驶特征分类概率值的人工神经网络模型；

在车辆当前驾驶过程中实时获取所述驾驶员及车辆的第一类特征参数及第二类特征参数；

将所述第一类特征参数及所述第二类特征参数输入所述包含预设危险驾驶特征分类概率值的人工神经网络模型，获取危险驾驶特征分类概率值，判断所述危险驾驶特征分类概率值是否大于所述所述预设危险驾驶特征分类概率值，在判定危险驾驶特征分类概率值大于所述预设危险驾驶特征分类概率值时，判定所述驾驶员处于危险驾驶状态并发送提醒信息。

2.根据权利要求1所述的基于人工神经网络的车辆安全驾驶检测方法，其特征在于，所述在车辆当前驾驶过程中实时获取所述驾驶员及车辆的第一类特征参数及第二类特征参数，具体包括：

实时采集所述驾驶员的正面图像；

对采集的所述正面图像进行人脸检测以获取所述驾驶员的人脸图像；

对所述人脸图像中的人眼进行定位，识别所述人眼的状态以根据所述人眼的状态获取所述第一类特征参数；

实时与所述车辆通信连接，以获取所述第二类特征参数。

3.根据权利要求2所述的基于人工神经网络的车辆安全驾驶检测方法，其特征在于，所述对所述人脸图像中的人眼进行定位，识别所述人眼的状态，具体包括：

将所述人脸图像输入人脸特征点回归卷积神经网络模型，回归预测在一个降采样的低分辨率图像中人眼的边界位置。

4.根据权利要求2所述的基于人工神经网络的车辆安全驾驶检测方法，其特征在于，所述人眼的状态具体包括：所述人眼的张合大小及所述人眼的张合频次。

5.根据权利要求1所述的基于人工神经网络的车辆安全驾驶检测方法，其特征在于，所述第一类特征样本参数为面部行为特征样本参数，所述第二类特征样本参数为车辆行驶样本参数；所述建立包括前级神经网络和后级神经网络的人工神经网络模型，具体包括：

构建用于融合所述面部行为特征样本参数的第一人工神经网络，构建用于融合所述车辆行驶样本参数的第二人工神经网络，将所述第一人工神经网络及所述第二人工神经网络作为所述前级神经网络，建立包括所述第一人工神经网络、所述第二人工神经网络及所述后级神经网络的人工神经网络模型。

6.根据权利要求5所述的基于人工神经网络的车辆安全驾驶检测方法，其特征在于，所述第一类特征样本参数具体包括：在第一时间间隔内的人眼眨眼次数、在第二时间间隔内的眼部松弛度及在第三时间间隔内的人眼注视方向；所述第二类特征样本参数具体包括：在第四时间间隔内的所述驾驶车辆的速度变化次数、在第五时间间隔内的方向盘转动角度、在第六时间间隔内的加速度变化次数。