发明名称 |
一种基于在线字典学形变模型的疲劳状态识别方法 |
摘要 |
本发明涉及计算机视觉与模式识别领域,尤其涉及一种基于在线字典学形变模型的疲劳状态识别方法。本发明包括:(1)建立疲劳人脸形变模型,以训练样本集整体的疲劳面部特征作为输入;(2)建立在线字典学形变模型,将在线字典学算法引入到人脸形变模型中,构建训练样本集的过完备基函数矩阵,进而将待测样本表示为过完备基函数矩阵的线性组合,即在线字典学形变模型。在线字典学形变模型充分考虑驾驶者疲劳时面部特征维数和识别时系统运算量等问题,最大程度提高实际环境下疲劳状态的识别率。 |
申请公布号 |
CN106407922A |
申请公布日期 |
2017.02.15 |
申请号 |
CN201610810831.4 |
申请日期 |
2016.09.08 |
申请人 |
哈尔滨工程大学 |
发明人 |
王辉;童丽峰;于立君;张磊;贲浩然;车超;毕文鹏;张一;郭俊俏;高菁 |
分类号 |
G06K9/00(2006.01)I;G06K9/46(2006.01)I;G06K9/62(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
|
代理人 |
|
主权项 |
一种基于在线字典学习形变模型的疲劳状态识别方法,其特征在于,包括如下步骤:(1)建立疲劳人脸形变模型,以训练样本集整体的疲劳面部特征作为输入;(2)建立在线字典学习形变模型,将在线字典学习算法引入到人脸形变模型中,构建训练样本集的过完备基函数矩阵,进而将待测样本表示为过完备基函数矩阵的线性组合,即在线字典学习形变模型;(3)利用在线字典学习形变模型对疲劳状态进行识别,根据原图像与重构图像的误差进行疲劳状态识别。在识别过程中,原图像和重构图像的误差越小意味着疲劳状态的识别结果越准确,因此要尽量减少二者的误差,并使其达到最小,否则重复执行步骤(3);(4)基于时间窗进行疲劳状态识别。针对不同时间段的时间窗内的图像帧进行识别,将该时间窗中出现最多的识别结果作为该时间窗的疲劳状态结果。 |
地址 |
150001 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |