Python人工智能技术与应用课件：利用图像分类技术进行驾驶员状态识别.pptxVIP

利用图像分类技术进行驾驶员状态识别

掌握基于深度学习的计算机视觉技术应用;

任务导入T@SkMp

为提高驾驶安全性能，现智能交互项目需要实现驾驶员状态识别功能，

评估驾驶员的注意力、疲劳程度、情绪状态、饮酒情况等。

你作为公司的计算机视觉算法工程师，在已经获取项目数据的情况下，

需要你使用图像分类技术对驾驶员的一个状态进行识别，为该市公交车安全驾驶护航。;

任务目标

知识目标

·了解图像分类技术的定义和应

用。

·了解人类视觉原理与卷积神经网络技术。

·了解卷积神经网络的基本原理。

·了解keras深度学习框架

·了解驾驶员状态识别技术

·了解使用keras构建卷积神经网络的模型。;

01图像分类技术的定义与应用

02人类视觉原理与卷积神经网络技术03卷积神经网络的基本原理

04Keras深度学习框架基本认知

05驾驶员状态识别技术

06基于图像分类技术实现驾驶员状态识别;

图像分类技术，即给定一幅输入图像，通过某种分类算法来识别图像中的物体，或者将图像分类为某些类

别，分类的类别可以包括动物、植物、自然环境、建筑物、交通工具、食物、人物、娱乐活动、家具和家电等。

识别“猫”的图片为cat;

医学图像识别是指利用计算机视

觉技术来识别医学图像中的特征，以及从图像中提取有用的信息。

医学图像识别可以应用于多种医学图像，如X射线图像、磁共振图像、核磁共振图像等。;

人类视觉原理与卷积神经网络技术

人类视觉原理;

人类视觉原理与卷积神经网络技术

人类视觉原理

人脸汽车大象座椅

人类视觉提取图像特征步骤;

图像数字化原有特征消失，准确率低

R-249G:180B0#9B400;

把大量参数降维成少量参数，再做处理。

在大部分场景下，降维不会影响结果。比如1000像素的图片缩小成200像素，并不影响肉眼认出来图片中是一只猫还是一只狗，机器也是如此。;

卷积神经网络由卷积层、池化层、全连接层

等组成。

卷积层：负责提取图像中的局部特征；

池化层：用来降维，大幅降低参数量级；全连接层：类似传统神经网络的部分，

用来输出想要的结果；;

11+2-0+1-0+0-0+10+10+3

原图(大小：6*6)

法辈围(大小：4*4

卷积神经网络对图像进行卷积操作;

11+2-0+1~0+0-010+10+3

卷积核

原图(大小：66)

法聚围(大小：4*4)

卷积神经网络对图像进行卷积操作;

池化操作定义

池化操作指的是将原始数据的维度降低。

池化操作过程

例如2×2最大值池化的意思是将原始数据中的每一个2x2框里面取其中的最大值，移动2×2方框，遍历原始数据，取尽所有2x2方框里面的最大值，得到最后的矩阵即完成2×2最大值池化。此外还有平均值池化，最小值池化等，原理也是类似的。;

当原始图像经过卷积核池化操作之后，会得到一个最

后的NxM的矩阵，我们将这个矩阵拉平变成一列数字然后将这一列数字输入到全连接层。

全连接层类似于传统的神经网络，第一层为输入层，

中间若干个隐藏层，最后一个输出层。

输入层与隐藏层或隐藏层之间的运算为Z=W*X+b的线性运算(W表示权重向量，b表示偏置向量),隐藏层与输出层之间的运算为A=f(Z),f为激活函数。;

04Keras深度学习框架基本认知

Keras深度学习框架

Keras深度学习框架：Keras是一个高层次的深度学习框架，它可以用于搭

建和训练各种神经网络模型。

Python框架则是为解决一个(一类)问题而开发的产品。框架用户一般只需要使用框架提供的类或函数，即可实现全部功能。;

Keras提供多种API来构建神经网络模型。其中两种常用的API是Keras的SequentialAPI和FunctionalAPI

els.Sequential()是TensorflowKeras中用于构建序列模型的类。

Sequential类提供了一种方便的方式来构建和训练序列模型。使用Sequential类，用户可以轻松地创建各种神经网络架构，例如全连接神经网络、卷积神经网络、递归神经网络等等。;

序号;

序号;

驾驶状态识别系统(DriverMonitorSystem,DMS)主要功

能是为了检测驾驶员在行车过程中的状态。DMS系统包括faceID(面部识别)、疲劳检测、分心检测、表情识别、手势识别、危险动作识别、视线追踪等。;;

DMS摄像头可通过评估驾驶员头部和眼球的整体角度和