(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210671662.6 (22)申请日 2022.06.15 (71)申请人 深圳市本顿 科技有限公司 地址 518110 广东省深圳市龙华区观湖街 道樟坑径社区富业路4号厂房1栋东座 101-501 (72)发明人 李开福　张松清　熊远文　谢桂华　 (74)专利代理 机构 北京清控智云知识产权代理 事务所 (特殊普通合伙) 11919 专利代理师 管士涛 (51)Int.Cl. G06F 3/01(2006.01) G06T 17/00(2006.01) G06V 10/40(2022.01)G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 20/64(2022.01) G06V 40/10(2022.01) G06V 40/16(2022.01) (54)发明名称 基于立体视觉疲劳检测的平板电脑亮度智 能调节方法 (57)摘要 本发明涉及人工智能领域， 揭露一种基于立 体视觉疲劳检测的平板电脑亮度智能调节方法， 包括： 通过预先在平板电脑中配置的立体视觉工 具实时采集人体部位图像， 重构人体部位图像的 三维人体图像； 检测三维人体图像的关节类别， 以将三维人体图像划分为人脸区域和身体区域； 分别提取人脸区域和身体区域的区域特征， 得到 人脸特征和身体特征； 检测人脸特征和身体特征 的疲倦类别， 得到人脸疲倦类别和身体疲倦类 别， 将人脸疲倦类别和身体疲倦类别进行类别集 成， 得到三维人体图像的人体疲倦类别； 根据人 体疲倦类别， 执行对平板电脑的亮度调整， 得到 平板电脑的亮度调整结果。 本发 明可以实现平板 电脑的亮度智能自动化调整， 提高用户的体验 度。 权利要求书3页 说明书12页 附图5页 CN 115061568 A 2022.09.16 CN 115061568 A 1.一种基于立体视觉疲劳检测的平板电脑亮度智能调节方法， 其特征在于， 所述方法 包括： 通过预先在平板电脑中配置的立体视觉工具实时采集人体部位图像， 并重构所述人体 部位图像的三维人体图像； 利用预训练好的区域检测模型中关节区域检测网络检测所述三维人体图像中的关节 区域， 并利用所述区域检测模型中关节类别识别网络识别所述关节 区域的关节类别， 根据 所述关节类别将所述 三维人体图像划分为人脸区域和身体区域； 分别提取 所述人脸区域和身体区域的区域特 征， 得到人脸特 征和身体特 征； 通过预训练好的疲倦检测分类器检测所述人脸特征和所述身体特征的疲倦类别， 得到 人脸疲倦类别和身体疲倦类别， 并采用预设的类别集成算法将所述人脸疲倦类别和所述身 体疲倦类别进行类别集成， 得到所述 三维人体图像的人体疲倦类别； 根据所述人体疲倦类别， 执行对所述平板电脑的亮度调整， 得到所述平板电脑的亮度 调整结果。 2.根据权利要求1所述的方法， 其特征在于， 所述利用预训练好的区域检测模型中关节 区域检测网络检测所述 三维人体图像中的关节区域， 包括： 利用所述关节区域检测网络中的卷积层提取 所述三维人体图像中的特 征图像； 利用所述关节区域检测网络中的激活函数计算所述特征图像的关节区域坐标和关节 区域类别； 根据所述关节区域坐标和所述关节区域类别， 利用所述关节区域检测网络 中的输出层 输出所述特征图像中的关节区域。 3.根据权利要求2所述的方法， 其特征在于， 所述利用所述 区域检测模型中关节类别识 别网络识别所述关节区域的关节类别， 包括： 利用所述关节类别识别网络中的特征提取层对所述关节区域进行卷积操作， 得到卷积 区域； 利用所述关节类别识别网络中的特征融合层将所述卷积区域与所述关节区域进行特 征融合， 得到融合区域； 利用所述关节类别识别网络中的池化层对所述融合区域进行池化处理， 得到池化区 域； 利用所述关节类别识别网络中的全连接层计算所述池化区域的区域类别概 率； 根据所述 区域类别概率， 利用所述关节类别网络中的输出层输出所述关节区域的关节 类别。 4.根据权利要求1所述的方法， 其特征在于， 所述分别提取所述人脸区域和身体区域的 区域特征， 得到人脸特 征和身体特 征， 包括： 分别计算所述人脸区域和所述身体区域的区域位置特征， 得到人脸位置特征和身体位 置特征， 并分别计算所述人脸区域和所述身体区域的区域朝向特征， 得到人体朝向特征和 身体朝向特 征； 分别识别所述人脸区域和所述身体区域的轮廓特征， 得到人脸轮廓特征和身体轮廓特 征； 根据所述人脸位置特征、 所述人体朝向特征以及所述人脸轮廓特征， 生成所述人脸特权　利　要　求　书 1/3 页 2 CN 115061568 A 2征； 根据所述身体位置特征、 所述身体朝向特征以及所述身体轮廓特征， 生成所述身体特 征。 5.根据权利要求4所述的方法， 其特征在于， 所述分别计算所述人脸区域和所述身体区 域的区域 位置特征， 得到人脸 位置特征和身体位置特 征， 包括： 分别统计所述人脸区域和所述身体区域的关节点数量， 根据所述关节点数量， 分别计 算所述人脸区域和所述身体区域的关节点 概率分布信息； 根据所述人脸区域和所述身体区域的关节点概率分布信 息， 分别创建所述人脸 区域和 所述身体区域的区域 直方图； 根据所述人脸区域和所述身体区域的区域直方图， 生成所述人脸位置特征和身体位置 特征。 6.根据权利要求1所述的方法， 其特征在于， 所述预训练好的疲倦检测分类器检测所述 人脸特征和身体特 征的疲倦类别之前， 还 包括： 获取训练样本， 对所述训练样本进行向量特征提取， 得到特征向量， 利用所述特征向 量， 对预构建疲倦检测分类 器中模型参数进行初始化， 得到初始化 参数； 根据所述初始化参数， 利用所述预构建疲倦检测分类器的前向传播算法计算所述特征 向量的第一类别概 率； 利用预设的参数调整算法重估所述预构建疲倦检测分类器的模型参数， 得到更新参 数， 根据所述更新参数， 利用所述预构建疲倦检测分类器的前向传播算法计算所述特征向 量的第二类别概 率； 计算所述第一类别概 率和所述第二类别概 率的类别损失； 若所述类别损 失大于预设损 失， 将所述更新参数作为所述初始化参数后， 执行根据所 述初始化参数， 利用所述预构建疲倦检测分类器的前向传播算法计算所述特征向量的第一 类别概率的步骤； 若所述参数损失不大于所述预设损失， 得到预训练好的疲倦检测分类 器。 7.根据权利要求1至6中任意一项所述的方法， 其特征在于， 所述预设的类别集成算法 包括： 其中， h(x)表示人体疲倦类别， x表示人脸疲倦类别和身体疲倦类别 对应的人脸特征和 身体特征， y表示人脸疲倦类别和身体疲倦类别， ht表示置信度函数， t表示迭代次数， Y表示 类别数量， argmax表示 最大类别概 率函数， β 表示类别集成损失。 8.一种基于立体视觉疲劳检测的平板电脑亮度智能调节装置， 其特征在于， 所述装置 包括： 人体图像重构模块， 用于通过预先在平板电脑中配置的立体视觉工具实时采集人体部 位图像， 并重构所述人体部位图像的三维人体图像； 人体图像划分模块， 用于利用预训练好的区域检测模型中关节区域检测网络检测所述 三维人体图像中的关节区域， 并利用所述区域检测模型中关节类别识别网络识别所述关节权　利　要　求　书 2/3 页 3 CN 115061568 A 3