1.一种基于梯形级联卷积神经网络的驾驶疲劳检测方法,其特征在于,包括如下步骤:(1)利用摄像头采集驾驶员眨眼图像数据;
(2)根据眼睛睁开程度,将步骤1所采集的数据分为睁开和闭合两类;
(3)搭建梯形级联卷积神经网络,将步骤(2)生成的两类人眼数据传入网络模型进行训练;
(4)将自然驾驶状态下,通过视频采集的驾驶员人眼图像数据,并输入梯形级联卷积神经网络模型进行判断每一帧眼睛图像的开闭状态,并记录数据;
(5)通过步骤(4)的记录数据,计算驾驶疲劳参数PERCLOS值,其公式为:步骤(3)中梯形级联卷积神经网络结构包含双线程计算结构,在短线程结构上包含2个卷积层,2个池化层,2个激活层以及一个全连接层;在长线程结构上包含8个卷积层,1个池化层,8个归一化层,3个叠加层,步骤(3)中梯形级联卷积神经网络训练所使用的损失函数定义如下:其中y表示期望输出,a表示神经元实际输出,wj表示第j个神经元权重,xj表示第j个神2
经元值,表示惩罚项系数,||w||表示权重向量各个元素平方和再平方根;b表示每个神经元上的偏重参数,步骤(4)中判断眼睛图像数据开闭状态,其公式为:
其中pi表示属于第i个类别的概率,l_pi表示对前一帧人眼数据属于第i个类别的概率;
表示将第i类神经元计算结果归一化当[0,1]之间, 表示激活函数总和,p0表示睁眼的概率,p1表示闭眼的概率。
2.根据权利要求1所述的一种基于梯形级联卷积神经网络的驾驶疲劳检测方法,其特征在于,步骤(1)中图像数据采集方法为利用摄像头采集十万张分辨率为25像素*25像素的眨眼图像数据。
3.根据权利要求1或2所述的一种基于梯形级联卷积神经网络的驾驶疲劳检测方法,其特征在于,步骤(1)中眨眼图像数据内容包含上眼睑、下眼睑和瞳孔。
4.根据权利要求1所述的一种基于梯形级联卷积神经网络的驾驶疲劳检测方法,其特征在于,通过判断驾驶员眼睛状态数据,实时计算疲劳值PERCLOS,当PERCLOS值到达0.15时,发出报警。