本发明专利技术提供一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质，该方法包括：采集包含驾驶员人脸的视频图像；对视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习方式将每一帧图像中的五官进行替换；构建酒驾及疲劳驾驶检测模型；采用图像处理技术，获取生理特征和眼睛状态指标；采用酒精传感器和语言传感器分别获取酒精浓度和声音信号；将获取的生理特征、眼睛状态指标、酒精浓度和声音信号发送至酒驾及疲劳驾驶检测模型进行检测，得到检测结果。本发明专利技术采用深度学习的方式结合“换脸”技术来进行隐私保护，引入语言传感器和酒精传感器并构造新的检测模型进行辅助判断，使用传感器阵列，针对驾驶员方向突出检测，提高判断准确性。高判断准确性。高判断准确性。
【技术实现步骤摘要】
一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质
[0001]本专利技术涉及交通安全检测
，具体而言，尤其涉及一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质。
技术介绍
[0002]世界卫生组织的调查显示，大约50％到60％的交通事故与酒后驾驶相关，酒驾已成为交通事故的第一大诱因。研究表明，酒驾会导致驾驶员触觉、判断和操作能力降低，并出现视觉障碍和疲劳等情况，因酒驾发生交通事故的比例与非酒驾相比会增加16倍。目前常用的驾驶员酒精含量检测方法是通过对其呼出气体、唾液、尿液和血液中的酒精含量进行检测，前两者的检测属于定性检测，一般作为后两者检测的前提条件。大多数情况下，酒驾检测都是接触式检测，需要部署出动警力，检测效率和范围局限性大，且需要被检测人员较好的配合，以避免出现作弊的情况，也不能做到预防性检测。利用红外线检测血管酒精含量的技术作为非接触式的检测技术，依据皮肤表面血管的血液中酒精含量会影响其对近红外光的吸收量的原理，在一定程度上解决了部分接触式检测的问题，但仍然需要驾驶员配合，且在无人监管的情况下无法确定驾驶员的身份。
[0003]另外，现阶段人们对于隐私保护极为重视，现有技术中均未实施对于受测驾驶员的隐私进行保护的手段，同时，现有技术大多采用图像处理方式进行预测，该种方式还会存在误判或者漏判的问题。
技术实现思路
[0004]根据上述提出的技术问题，提供一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质。本专利技术采用深度学习的方式结合“换脸”技术来进行隐私保护，引入语言传感器和酒精传感器并构造新的检测模型进行辅助判断，使用传感器阵列，针对驾驶员方向突出检测，提高判断准确性。在构造检测模型时，对于眼睛，嘴型，肤色等信号进行处理，实现在检测酒驾的同时检测疲劳驾驶程度；
[0005]本专利技术采用的技术手段如下：
[0006]一种驾驶员酒驾以及疲劳驾驶的检测方法，包括如下步骤：
[0007]采集包含驾驶员人脸的视频图像；
[0008]对采集的视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习的方式将每一帧图像中的五官进行替换；
[0009]构建酒驾及疲劳驾驶检测模型；
[0010]采用图像处理技术，基于替换五官后的每一帧图像，获取生理特征以及眼睛状态指标；
[0011]采用酒精传感器和语言传感器分别获取酒精浓度和声音信号；
[0012]将获取的生理特征、眼睛状态指标、酒精浓度和声音信号发送至构建的酒驾及疲劳驾驶检测模型进行检测，得到检测结果。
[0013]进一步地，所述采集包含驾驶员人脸的视频图像的方式为采用影像传感器。
[0014]进一步地，所述对采集的视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习的方式将每一帧图像中的五官进行替换，包括：
[0015]创建原始视频区，检测提取人脸区，替换人脸区，模型保存区，输出视频区；
[0016]所述原始视频区，用于存放记录原始的视频和图像，并将原始视频转化成帧图片进行存放；
[0017]所述检测提取人脸区，采用模型将每张原始帧图片存在的所有人脸检测提取剪切成人脸图像进行存放；
[0018]所述替换人脸区，用于存放将要替换人脸的图片信息；
[0019]所述模型保存区，用于保存记录使用的模型和训练过的模型；
[0020]所述输出视频区，通过算法将人脸替换，并将帧图片输出为视频进行存放。
[0021]进一步地，所述采用图像处理技术，基于替换五官后的每一帧图像，获取生理特征以及眼睛状态指标，包括：
[0022]在替换五官后的每一帧图像中截取人脸感兴趣区域，将人脸感兴趣区域的颜色通道分离，提取出IPPG信号，并进行预处理；
[0023]对相同时域长度的IPPG信号进行处理，计算提取出生理特征；
[0024]从每一帧对齐后的人脸中选定眼睛所在区域，通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配方法进行人眼定位，获取眼睛状态指标。
[0025]进一步地，所述采用酒精传感器和语言传感器分别获取酒精浓度和声音信号，包括：
[0026]采用酒精传感器对酒精浓度进行检测，若检测到酒精，并且红、绿灯同时闪烁；经过4秒，显示浓度数据，若浓度在0.00和0.40之间，仅绿灯闪烁；若大于等于0.50，仅红灯闪烁；
[0027]采用语言传感器检测到驾驶员方向传来的声音信号是否符合正常逻辑及语气，若不符合，红灯闪烁，若再次传来声音信号仍不符合，红灯常亮。
[0028]进一步地，所述酒精传感器采用传感器阵列，用于检测各个方向来源的酒精浓度。
[0029]本专利技术还提供了一种驾驶员酒驾以及疲劳驾驶的检测装置，基于上述驾驶员酒驾以及疲劳驾驶的检测方法实现，包括：
[0030]视频图像采集单元，用于采集包含驾驶员人脸的视频图像；
[0031]隐私及身份保护单元，用于对采集的视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习的方式将每一帧图像中的五官进行替换；
[0032]检测模型构建单元，用于构建酒驾及疲劳驾驶检测模型；
[0033]特征指标获取单元，用于采用图像处理技术，基于替换五官后的每一帧图像，获取生理特征以及眼睛状态指标；
[0034]酒精浓度及声音信号获取单元，用于采用酒精传感器和语言传感器分别获取酒精浓度和声音信号；
[0035]检测单元，用于将获取的生理特征、眼睛状态指标、酒精浓度和声音信号发送至构建的酒驾及疲劳驾驶检测模型进行检测，得到检测结果。
[0036]本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计
算机指令集；所述计算机指令集被处理器执行时实现上述驾驶员酒驾以及疲劳驾驶的检测方法。
[0037]较现有技术相比，本专利技术具有以下优点：
[0038]1、本专利技术提供的驾驶员酒驾以及疲劳驾驶的检测方法，通过采用深度学习的方式结合“换脸”技术来进行隐私保护，提高了产品使用的安全性以及保密性。
[0039]2、本专利技术提供的驾驶员酒驾以及疲劳驾驶的检测方法，引入语言传感器和酒精传感器获取信号，并将信号传入到模型中，结合图像处理结果设计全新的检测模型，以达到提高现有技术准确度的目的，使用传感器阵列，针对驾驶员方向突出检测，提高判断准确性。
[0040]3、本专利技术提供的驾驶员酒驾以及疲劳驾驶的检测方法，在构造检测模型时，对于眼睛，嘴型，肤色等信号进行处理，实现在检测酒驾的同时检测疲劳驾驶程度。
[0041]基于上述理由本专利技术可在交通安全检测等领域广泛推广。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种驾驶员酒驾以及疲劳驾驶的检测方法，其特征在于，包括如下步骤：采集包含驾驶员人脸的视频图像；对采集的视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习的方式将每一帧图像中的五官(保留眼睛原有指标)进行替换；构建酒驾及疲劳驾驶检测模型；采用图像处理技术，基于替换五官后的每一帧图像，获取生理特征以及眼睛状态指标；采用酒精传感器和语言传感器分别获取酒精浓度和声音信号；将获取的生理特征、眼睛状态指标、酒精浓度和声音信号发送至构建的酒驾及疲劳驾驶检测模型进行检测，得到检测结果。2.根据权利要求1所述的驾驶员酒驾以及疲劳驾驶的检测方法，其特征在于，所述采集包含驾驶员人脸的视频图像的方式为采用影像传感器。3.根据权利要求1所述的驾驶员酒驾以及疲劳驾驶的检测方法，其特征在于，所述对采集的视频图像进行分帧处理并截取每一帧图像中的人脸，采用深度学习的方式将每一帧图像中的五官进行替换，包括：创建原始视频区，检测提取人脸区，替换人脸区，模型保存区，输出视频区；所述原始视频区，用于存放记录原始的视频和图像，并将原始视频转化成帧图片进行存放；所述检测提取人脸区，采用模型将每张原始帧图片存在的所有人脸检测提取剪切成人脸图像进行存放；所述替换人脸区，用于存放将要替换人脸的图片信息；所述模型保存区，用于保存记录使用的模型和训练过的模型；所述输出视频区，通过算法将人脸替换，并将帧图片输出为视频进行存放。4.根据权利要求1所述的驾驶员酒驾以及疲劳驾驶的检测方法，其特征在于，所述采用图像处理技术，基于替换五官后的每一帧图像，获取生理特征以及眼睛状态指标，包括：在替换五官后的每一帧图像中截取人脸感兴趣区域，将人脸感兴趣区域的颜色通道分离，提取出IPPG信号，并进行预处理；对相同时域长度的IPPG信号进行处理，计算提取出生理特征；从每一帧对齐后的人脸中选定眼睛所在区域，...
【专利技术属性】
技术研发人员：齐林，阎程霖，于明洋，赵京瑞，
申请(专利权)人：东北大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。