[发明专利]人眼状态识别方法、装置、终端及可读存储介质

说明书

本发明实施例提供了一种人眼状态识别方法、装置、终端及可读存储介质，其中，所述方法包括：预先通过关键点判断规则对至少一个训练图像进行人眼状态标注得到标注图像集，利用所述标注图像集对至少一个网络模型进行训练得到至少一个识别模型；预先调用所述至少一个识别模型对至少一个样本图像进行人眼状态识别后筛选具备相同人眼状态的图像得到筛选图像集，利用所述筛选图像集对初始识别模型进行训练得到人眼状态识别模型；获取目标人脸图像，所述目标人脸图像中包括人眼；调用所述人眼状态识别模型对所述目标人脸图像进行人眼状态识别，得到识别结果。通过实施本发明实施例，可以提高人眼状态识别的效率。

技术

本发明涉及人工智能技术，尤其涉及一种人眼状态识别方法、装置、终端及可读存储介质。

背景技术

人眼状态识别即判断人的眼睛是否张开，该技术应用广泛。如可以用于疲劳检测，也可以用于判断拍摄的图像是否合格等等。目前，主要是将人眼状态识别转化为机器学习中的一个有监督学习的问题进行处理，通过采集一些闭眼的图像和睁眼的图像，构建神经网络模型进行2分类来识别是否张开。

但是，有监督学习依赖大规模标注数据进行模型训练，而标注数据是由人工进行标注获得的。并且，自然分布的图像中闭眼的数据很少，需要标注更大规模的图像才能获得一定量的闭眼数据，人工标注的工作量大且成本高，导致人眼状态识别的效率低。

发明内容

本发明实施例提供了一种人眼状态识别方法、装置、终端及可读存储介质，提高了人眼状态识别的效率。

第一方面，本发明实施例提供了一种人眼状态识别方法、装置、终端及可读存储介质，该人眼状态识别方法包括：预先通过关键点判断规则对至少一个训练图像进行人眼状态标注得到标注图像集，利用标注图像集对至少一个网络模型进行训练得到至少一个识别模型；预先调用至少一个识别模型对至少一个样本图像进行人眼状态识别后筛选具备相同人眼状态的图像得到筛选图像集，利用筛选图像集对初始识别模型进行训练得到人眼状态识别模型；获取目标人脸图像，目标人脸图像中包括人眼；调用人眼状态识别模型对目标人脸图像进行人眼状态识别，得到识别结果，其中，识别结果用于指示目标人脸图像中人眼的状态。

在一种实现方式中，至少一个识别模型包括第一识别模型和第二识别模型，调用人眼状态识别模型对目标人脸图像进行人眼状态识别，得到识别结果之前，还包括：获取第一图像集，该第一图像集中包括至少一个样本图像，样本图像中包括人眼；调用第一识别模型和第二识别模型分别对第一图像集中的样本图像进行人眼状态识别，对应得到第一识别结果集和第二识别结果集，该第一识别结果集和第二识别结果集用于指示第一图像集中每个样本图像中人眼的状态；筛选出第一识别结果集和第二识别结果集中具备相同人眼的状态的样本图像，得到筛选图像集；利用筛选图像集对初始识别模型进行训练，得到人眼状态识别模型。

在一种实现方式中，调用第一识别模型和第二识别模型分别对第一图像集中的样本图像进行人眼状态识别之前，还包括：获取第二图像集，该第二图像集中包括至少一个训练图像；采用关键点判断规则对第二图像集中的训练图像进行人眼状态标注，得到包括至少一个标注图像的标注图像集；利用标注图像集分别训练第一网络模型和第二网络模型，得到第一识别模型和第二识别模型。

在一种实现方式中，采用关键点判断规则对第二图像集中的训练图像进行人眼状态标注，得到包括至少一个标注图像的标注图像集包括：采用关键点检测算法对训练图像中的人眼进行关键点检测，得到样本图像中人眼的关键点；根据人眼的关键点计算人眼的闭合程度；若人眼的闭合程度小于闭合阈值，则对训练图像进行人眼状态标注得到标注图像，标注图像用于指示人眼的状态为闭眼；若人眼的闭合程度大于或等于闭合阈值，则对训练图像进行标注得到标注图像，标注图像用于指示人眼的状态为睁眼。

在一种实现方式中，根据人眼的关键点计算人眼的闭合程度包括：根据人眼的关键点计算人眼的眼角距离和上下眼皮距离；对眼角距离和上下眼皮距离进行归一化计算，得到人眼的闭合程度。