本发明专利技术公开了基于5G的驾驶行为智能分析方法、装置、设备及介质，通过获取驾驶员的脸部图像数据和当前时间；对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓；计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度；根据眼睛开度基于PERCLOS算法计算所述驾驶员的PERCLOS值；根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，根据PERCLOS值和疲劳阈值的大小输出疲劳检测结果。能够准确实现驾驶员疲劳度检测。测。测。
【技术实现步骤摘要】
基于5G的驾驶行为智能分析方法、装置、设备及介质
[0001]本专利技术涉及图像处理
，尤其涉及基于5G的驾驶行为智能分析方法、装置、设备及介质。
技术介绍
[0002]在交通安全领域疲劳驾驶是造成交通事故的重要因素之一，统计的交通事故中，车祸中25～30％是由于疲劳驾驶造成的，而在重大交通事故中，40％是由于疲劳驾驶造成；高速路上70％的驾驶员存在疲劳驾驶的经历。基于5G的驾驶行为智能分析模型构建对于行车安全来说非常重要。
[0003]但是现有的疲劳检测技术难以克服复杂环境的干扰，检测精度不高。
技术实现思路
[0004]为解决上述技术问题，本专利技术提供一种基于5G的驾驶行为智能分析方法、装置、设备及介质，能够准确实现驾驶员疲劳度检测。
[0005]本专利技术实施例提供一种基于5G的驾驶行为智能分析方法，所述方法包括：
[0006]获取驾驶员的脸部图像数据和当前时间；
[0007]对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓；
[0008]计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度；
[0009]根据眼睛开度基于PERCLOS算法计算所述驾驶员的PERCLOS值；
[0010]根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，根据PERCLOS值和疲劳阈值的大小输出疲劳检测结果。
[0011]优选地，所述方法还包括：
[0012]将所述疲劳检测结果上传至云平台，由云平台记录驾驶员的疲劳检测结果；
[0013]根据疲劳检测结果输出对应的警报提示。
[0014]作为一种优选方案，所述对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓，具体包括：
[0015]对所述脸部图像数据进行边缘检测，并进行轮廓提取，绘制轮廓；
[0016]在提取的轮廓中搜索与眼部形状匹配的轮廓，将其识别为所述驾驶员的眼部轮廓。
[0017]优选地，所述计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度，具体包括：
[0018]通过面积计算函数，统计所述眼部轮廓中的像素个数；
[0019]根据眼部轮廓的像素个数在眼睛开度计算模型中匹配对应的眼睛开度；
[0020]所述眼睛开度计算模型具体为X为眼部轮廓中的像素个数，K为对应的眼睛开度。
[0021]作为一种优选方案，所述驾驶员的PERCLOS值
[0022]其中，n为所述脸部图像数据中眼睛开度低于预设值的帧数，N为所述脸部图像数据中总帧数。
[0023]优选地，所述根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，具体包括：
[0024]当所述当前时间处于预设的第一时段集合内时，匹配预设的第一阈值作为所述疲劳阈值；
[0025]当所述当前时间处于预设的第二时段集合内时，匹配预设的第二阈值作为所述疲劳阈值；
[0026]当所述当前时间处于预设的第三时段集合内时，匹配预设的第三阈值作为所述疲劳阈值。
[0027]作为一种优选方案，所述根据PERCLOS值和疲劳阈值的大小输出疲劳检测结果，具体包括：
[0028]当所述PERCLOS值不大于所述疲劳阈值时，输出未疲劳作为所述疲劳检测结果；
[0029]当所述PERCLOS值大于所述疲劳阈值时，输出疲劳作为所述疲劳检测结果。
[0030]本专利技术实施例还提供一种基于5G的驾驶行为智能分析装置，所述装置包括：
[0031]数据获取模块，用于获取驾驶员的脸部图像数据和当前时间；
[0032]轮廓识别模块，用于对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓；
[0033]开度计算模块，用于计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度；
[0034]PERCLOS计算模块，用于根据眼睛开度基于PERCLOS算法计算所述驾驶员的PERCLOS值；
[0035]疲劳检测模块，用于根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，根据PERCLOS值和疲劳阈值的大小输出疲劳检测结果。
[0036]进一步地，所述装置还包括报警模块，用于：
[0037]将所述疲劳检测结果上传至云平台，由云平台记录驾驶员的疲劳检测结果；
[0038]根据疲劳检测结果输出对应的警报提示。
[0039]优选地，所述轮廓识别模块具体用于：
[0040]对所述脸部图像数据进行边缘检测，并进行轮廓提取，绘制轮廓；
[0041]在提取的轮廓中搜索与眼部形状匹配的轮廓，将其识别为所述驾驶员的眼部轮廓。
[0042]优选地，所述开度计算模块具体用于：
[0043]通过面积计算函数，统计所述眼部轮廓中的像素个数；
[0044]根据眼部轮廓的像素个数在眼睛开度计算模型中匹配对应的眼睛开度；
[0045]所述眼睛开度计算模型具体为X为眼部轮廓中的像素个数，K为对应的眼睛开度。
[0046]优选地，所述驾驶员的PERCLOS值
[0047]其中，n为所述脸部图像数据中眼睛开度低于预设值的帧数，N为所述脸部图像数据中总帧数。
[0048]作为一种优选方案，所述疲劳检测模块具体用于：
[0049]当所述当前时间处于预设的第一时段集合内时，匹配预设的第一阈值作为所述疲劳阈值；
[0050]当所述当前时间处于预设的第二时段集合内时，匹配预设的第二阈值作为所述疲劳阈值；
[0051]当所述当前时间处于预设的第三时段集合内时，匹配预设的第三阈值作为所述疲劳阈值。
[0052]作为一种优选方案，所述疲劳检测模块具体还用于：
[0053]当所述PERCLOS值不大于所述疲劳阈值时，输出未疲劳作为所述疲劳检测结果；
[0054]当所述PERCLOS值大于所述疲劳阈值时，输出疲劳作为所述疲劳检测结果。
[0055]本专利技术另一实施例提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述专利技术实施例所述的基于5G的驾驶行为智能分析方法。
[0056]本专利技术另一实施例提供了一种基于5G的驾驶行为智能分析装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述专利技术实施例所述的基于5G的驾驶行为智能分析方法。
[0057]与现有技术相比，本专利技术提供的一种基于5G的驾驶行为智能分析方法、装置、设备及介质，通过获取驾驶员的脸部图像数据和当前时间；对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓；计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度；根据眼睛开度基于PERCLOS算法计算所述驾驶员的PERCLOS值；根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于5G的驾驶行为智能分析方法，其特征在于，所述方法包括：获取驾驶员的脸部图像数据和当前时间；对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓；计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度；根据眼睛开度基于PERCLOS算法计算所述驾驶员的PERCLOS值；根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，根据PERCLOS值和疲劳阈值的大小输出疲劳检测结果。2.如权利要求1所述的基于5G的驾驶行为智能分析方法，其特征在于，所述方法还包括：将所述疲劳检测结果上传至云平台，由云平台记录驾驶员的疲劳检测结果；根据疲劳检测结果输出对应的警报提示。3.如权利要求1所述的基于5G的驾驶行为智能分析方法，其特征在于，所述对所述脸部图像数据进行眼部特征提取，识别出所述驾驶员的眼部轮廓，具体包括：对所述脸部图像数据进行边缘检测，并进行轮廓提取，绘制轮廓；在提取的轮廓中搜索与眼部形状匹配的轮廓，将其识别为所述驾驶员的眼部轮廓。4.如权利要求1所述的基于5G的驾驶行为智能分析方法，其特征在于，所述计算所述眼部轮廓的特征面积，计算每一帧图像所述驾驶员的眼睛开度，具体包括：通过面积计算函数，统计所述眼部轮廓中的像素个数；根据眼部轮廓的像素个数在眼睛开度计算模型中匹配对应的眼睛开度；所述眼睛开度计算模型具体为X为眼部轮廓中的像素个数，K为对应的眼睛开度。5.如权利要求1所述的基于5G的驾驶行为智能分析方法，其特征在于，所述驾驶员的PERCLOS值其中，n为所述脸部图像数据中眼睛开度低于预设值的帧数，N为所述脸部图像数据中总帧数。6.如权利要求1所述的基于5G的驾驶行为智能分析方法，其特征在于，所述根据所述当前时间在阈值时段匹配表中匹配对应的疲劳阈值，具体包...
【专利技术属性】
技术研发人员：廖剑涛，韩增文，陈金建，李斌，
申请(专利权)人：广东省机场管理集团有限公司工程建设指挥部，
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。