面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法

本发明涉及模式识别，具体涉及一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法。

背景技术：

1、近几年来，随着汽车越来越普及，驾驶汽车的人数越来越多，交通事故发生的数量也呈现出不断上升的趋势。而在引发车辆行驶事故的诸多因素中，疲劳驾驶是其中最主要的因素之一。伴随着汽车智能化的趋势，已经出现了车内部署摄像头的现象，这就对无接触式地监测驾驶员行为提供了条件，同时也对私人应用场景的隐私保护问题提出了挑战，而驾驶员及车内乘车人员作为独立的个体，他们的个人隐私也需要得到尊重和保护。但在现有的通过监测驾驶员行为从而进行疲劳检测和预警的研究中，并没有将驾驶员及车内乘客的隐私保护问题纳入研究范围中；而对隐私保护问题的研究大多应用在居家行为检测、人脸识别等相关问题上，很少涉及到有关车内视频监控的隐私保护问题上。因此寻找一种兼顾安全驾驶与隐私保护的疲劳驾驶检测的方法具有重要的现实意义和应用价值。

2、有鉴于此，确有必要设计一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，以解决上述问题。

技术实现思路

1、本发明的目的是针对现有技术存在的问题，提供一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，该方法利用昆虫复眼仿生技术对车内视频监控数据集进行处理，得到具有隐私保护效果的视频帧，再利用优化后的pfldgo算法和类字典学习稀疏识别，最后得到疲劳检测结果。

2、为实现上述目的，本发明采用的技术方案是：

3、步骤1：利用仿生昆虫视觉处理车内私密视频监控，得到具有视觉屏蔽效果的仿生视觉视隐态私密视频帧；

4、步骤2：利用retinaface网络模型将所述仿生视觉视隐态私密视频帧进行目标人脸提取，得到视隐态效果下的人脸区域图片；

5、步骤3：利用pfldgo网络将所述人脸区域图片进行人脸关键点定位，得到每张人脸区域图片的人脸关键点的坐标信息；

6、步骤4：对所述坐标信息进行分类并进行典型车内行为视隐态正则化k-svd类字典学习，得到各类所述坐标信息对应的类字典；

7、步骤5：对所述类字典进行基于稀疏识别的视隐态疲劳驾驶行为检测，将所述类字典和所述车内私密视频监控送入src稀疏识别分类器，得到车内私密视频的稀疏系数，对所述稀疏系数进行池化分类决策，并得到最终的疲劳判定。

8、作为本发明的进一步改进，所述步骤1包括：

9、步骤1.1：逐帧提取获取到的车内私密监控视频，并处理为n×n大小的私密图像帧；

10、步骤1.2：利用不同的昆虫复眼的视觉敏锐度，通过mtf调参实现视觉锐度的变化，对所述图像帧进行不同昆虫的复眼仿生效果采样；

11、步骤1.3：重复所述步骤1.1和所述步骤1.2，直至完成对车内私密监控视频的仿生昆虫复眼的处理，得到视隐态私密视频帧图像。

12、作为本发明的进一步改进，所述步骤3包括：优化pfld模型，得到优化后的pfldgo网络，将所述视隐态情况下的人脸区域图片输入至所述pfldgo网络，得到昆虫复眼仿生处理后的视隐态私密视频帧的人脸关键点坐标信息。

13、作为本发明的进一步改进，所述步骤4包括：

14、步骤4.1：将上述步骤得到的所有图片的同一张私密视频帧的人脸原图和不同昆虫仿生后的视隐态图片得到的人脸关键点信息与疲劳标签进行对应并分类；

15、步骤4.2：将所述步骤4.1中得到的不同种类的坐标点信息进行正则化k-svd类字典学习，得到原图与仿生后视隐态图片的坐标点信息组合成的矩阵的类字典；

16、步骤4.3：重复所述步骤4.2直至得到每类坐标信息对应的类字典。

17、作为本发明的进一步改进，所述步骤4包括：

18、步骤5.1：将所述类字典送入src稀疏分类器，并输入车内私密视频，得到对应所述类字典的输出结果；

19、步骤5.2：对所述输出结果进行池化操作，得到车内私密视频最终的疲劳检测结果。

20、与现有技术相比，本发明的有益效果是：

21、1、本发明针对有隐私泄露风险的车内私密监控视频提出了利用昆虫复眼仿生技术实现隐私保护的概念，该方法既达到了隐私保护的效果，又提高了运算效率。

22、2、本发明针对人脸关键点提取的问题，使用了优化后的pfldgo网络对仿生处理后的视频帧进行人脸关键点坐标信息的提取，网络更加简洁，运算速度更快。

23、3、本发明对提取后的人脸关键点信息进行正则化k-svd类字典学习，并将其和src稀疏识别相结合，更有利于现实场景的应用并提高了检测正确率。

技术特征：

1.一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，其特征在于，所述步骤1包括：

3.根据权利要求1所述的面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，其特征在于，所述步骤3包括：优化pfld模型，得到优化后的pfldgo网络，将所述视隐态情况下的人脸区域图片输入至所述pfldgo网络，得到昆虫复眼仿生处理后的视隐态私密视频帧的人脸关键点坐标信息。

4.根据权利要求1所述的面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，其特征在于，所述步骤4包括：

5.根据权利要求1所述的面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，其特征在于，所述步骤4包括：

技术总结
本发明公开一种面向车内私密视频监控的昆虫视觉仿生疲劳驾驶检测方法，具体为：利用仿生昆虫视觉处理车内私密视频监控，得到视隐态视频帧；利用RetinaFace对视隐态视频帧进行目标人脸提取，得到视隐态效果下的人脸区域图片；利用PFLDGO对目标人脸区域进行关键点定位，得到人脸关键点的坐标信息；对坐标信息进行类字典学习，得到对应的类字典；将类字典进行稀疏池化识别，求得实际应用中车内私密视频的稀疏系数，进行池化分类决策，得到最终的疲劳判定。本发明采用仿生昆虫视觉处对车内监控视频进行视觉屏蔽，有效保护车内人员隐私；采用新型网络对视频帧进行关键点检测及分类网络进行疲劳判定，实现对驾驶员进行疲劳检测的判定。

技术研发人员：刘佶鑫,赵美华,孙宁
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/2/6