摘要
本发明涉及疲劳识别领域,特别是涉及一种无人机操控人员疲劳状态检测方法、存储介质及设备。包括:对每一帧待测脸部图像进行眼部状态检测,生成每一帧待测脸部图像对应的眼睛启闭状态信息;根据每一帧待测脸部图像对应的眼睛启闭状态信息,生成待检测人员的疲劳状态系数;若疲劳状态系数大于Y1,则生成待检测人员的疲劳告警信息。本发明中通过使用眼睛的纵横比来评估疲劳程度。由此,可以精确评估每一帧中目标人员的疲劳状态。另外,为了让模型更好地识别疲劳特征,在第一YOLOv5网络中将CBAM模块与C3模块相结合,可以使网络重点关注特征部分,可提高模型对目标人员图像中重要信息的提取能力,从而提升模型的识别能力及准确度。
技术关键词
疲劳状态检测方法
人脸检测算法
视频流
非瞬时性计算机可读存储介质
无人机
图像
特征金字塔网络
眼睛
卷积模块
人脸特征点定位
多尺度特征融合
坐标
疲劳特征
处理器
存储器
像素
系统为您推荐了相关专利信息
空地协同
无人机航迹规划
多无人机协同
动态航迹
模块
激光雷达点云数据
障碍物
视角
固定翼无人机飞行
融合深度图
编码向量
背景虚化方法
语义特征提取
多尺度
视频流
信息传输方法
电网设备
波束成形向量
协方差矩阵
动作策略
模拟退火算法
进化优化算法
分布式编队
多无人机
一致性算法