买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆邮电大学申请的专利基于面部特征的疲劳驾驶识别方法及相关装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119888694B 。

龙图腾网通过国家知识产权局官网在2025-12-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411647775.8，技术领域涉及：G06V20/59；该发明授权基于面部特征的疲劳驾驶识别方法及相关装置是由陈昌川;王鑫;龙虹毓;温平川;代少升;刘劲松;谢卓呈设计研发完成，并于2024-11-18向国家知识产权局提交的专利申请。

本基于面部特征的疲劳驾驶识别方法及相关装置在说明书摘要公布了：本申请实施例涉及疲劳检测领域，提供一种基于面部特征的疲劳驾驶识别方法及相关装置，所述方法包括：通过车载摄像设备采集驾驶员在驾车时的驾驶员图像集合；采用多任务神经网络对驾驶员图像集合中的驾驶员图像进行处理，得到每张驾驶员图像对应的头部偏转角和人脸关键点坐标；采用所述人脸关键点坐标对将对应的驾驶员图像进行图像裁剪，得到的每张驾驶员图像对应的左眼图像、右眼图像和嘴部图像对驾驶员进行状态识别，得到每张驾驶员图像对应的嘴部状态和眼部状态；采用所述每张驾驶员图像对应的头部偏转角、嘴部状态和眼部状态对驾驶员进行疲劳检测，得到驾驶员的疲劳状态，实现对驾驶员驾驶状态实时识别的高准确性与高鲁棒性。

本发明授权基于面部特征的疲劳驾驶识别方法及相关装置在权利要求书中公布了：1.一种基于面部特征的疲劳驾驶识别方法，其特征在于，所述疲劳驾驶识别方法包括： 通过车载摄像设备采集驾驶员在驾车时的驾驶员图像集合，所述驾驶员图像集合为预设时间间隔内采集的驾驶员图像构成的集合； 采用头部姿态估计与人脸关键点检测多任务神经网络对驾驶员图像集合中的驾驶员图像进行处理，得到每张驾驶员图像对应的头部偏转角和人脸关键点坐标； 采用所述人脸关键点坐标对将对应的驾驶员图像进行图像裁剪，得到每张驾驶员图像对应的左眼图像、右眼图像和嘴部图像； 将所述每张驾驶员图像对应的左眼图像、右眼图像和嘴部图像输入至轻量化多分类神经网络中对驾驶员进行状态识别，得到每张驾驶员图像对应的嘴部状态和眼部状态； 采用所述每张驾驶员图像对应的头部偏转角、嘴部状态和眼部状态对驾驶员进行疲劳检测，得到驾驶员的疲劳状态； HFMNet选择开源数据集300-LP的8000张图片和BIWI数据集的2000张分别作为网络的训练集与测试集，数据集每张图片的标注信息包含68个人脸关键点和头部3个方向偏转角的角度； HFMNet由主干网络、人脸关键点检测分支和头部姿态估计分支三个部分组成，HFMNet选择GhostNET前四段作为主干网络提取用于共享的特征，GhostNet能够通过线性运算生成冗余的特征图，从而简便特征提取的过程，提取的特征图再分别送入人脸关键点检测分支和头部姿态估计分支，人脸关键点检测分支和头部姿态估计分支均有GhostNET最后一段用于提取分支任务的特定特征，最后将每个共享特征与特定特征经过池化层和全连接层最终回归得到各分支的任务的结果； HFMNet将整个头部姿态估时将角度区间均匀分为12个不相交的子区间，每个子区间代表15度的范围；在每一个区间再进行进一步的划分为均分的3个区间，最后通过计算最终的期望值将分类结果转化为回归问题来进行头部姿态估计，具体通过如下公式所示的方法计算得到头部姿态: ， 其中是角度处于第k个大区间的概率，是角度处于第k个大区间的第i个小区间的概率，是第k个大区间的第i个小区间的代表值，θ为头部偏转角； 人脸关键点检测和头部姿态估计两任务的损失之和为HFMNet总损失，损失函数为: ， 其中，Losstotal为HFMNet总损失函数； 和分别为头部姿态估计任务和人脸关键点任务的损失函数，具体如下： ， ， 其中是三个头部偏转角的预测值，是三个头部偏转角的实际值，分别是人脸第i个关键点的预测值与实际值； ShuffleNetV2网络主要是由3个ShuffleNetV2Unit2和ShuffleNetV2Unit1组合的模块层构成； 使用αH-swish激活函数代替原ShuffleNetV2网络使用的ReLU激活函数，为一个很小的数，αH-swish激活函数数学定义为如下公式： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。