【技术实现步骤摘要】
本专利技术涉及机器视觉，尤其涉及一种疲劳驾驶检测方法及装置。
技术介绍
1、疲劳驾驶是引发车祸等危险事件发生的主要原因之一，目前主要的方法有基于车辆状态和基于人体状态两种方式，以及两种方式的结合。人体状态检测主要通过对驾驶员面部特征进行识别和推断来实现对其疲劳程度的检测。但是由于车内光照强度、光照角度和相近颜色等诸多因素的影响，导致驾驶员面部特征点难以准确提取，疲劳驾驶检测准确率低、误报率较高。因此提出一种准确轻量化的面部特征提取方法用于疲劳驾驶检测十分重要。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种疲劳驾驶检测方法及装置，主要包括面部静态特征提取、面部表情动态特征提取和疲劳状态分析与告警三部分。面部静态特征提取主要是通过采集驾驶员正面视频流中的1帧图像，在对驾驶员面部定位，最后对口部和眼部定位并输出口部和眼部区域图像。然后根据驾驶员口部和眼部区域图像分别计算其方差，并判断开闭状态，生成口部和眼部开闭状态数据流，进而形成各种面部表情状态频率数据。最后推断驾驶员疲劳程度，并进行相应等级的告警提示。
2、为了解决上述技术问题，本专利技术实施例第一方面公开了一种疲劳驾驶检测方法，所述方法包括：
3、s1，获取驾驶员正面图像数据集；所述驾驶员正面图像数据集包括n幅驾驶员正面图像和n幅驾驶员正面图像采集的时间信息，n为正整数；
4、s2，对所述驾驶员正面图像数据集进行处理，得到口部开闭状态数据集和眼部开闭状态数据集；
5、s
6、s4，对所述眼部开闭状态数据集进行动态特征提取，得到动态特征信息；所述动态特征信息包括第二特征信息、第三特征信息和第四特征信息；
7、s5，对所述第一特征信息和所述动态特征信息进行处理，得到驾驶员疲劳程度信息。
8、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述驾驶员正面图像数据集进行处理，得到口部开闭状态数据集和眼部开闭状态数据集，包括：
9、s21，对所述驾驶员正面图像数据集中的任意一幅驾驶员正面图像进行人脸面部定位，得到驾驶员面部图像；
10、s22，对所述驾驶员面部图像进行口部定位，得到口部区域图像；
11、s23，对所述驾驶员面部图像进行眼部定位，得到眼部区域图像；
12、s24，对所述口部区域图像进行口部开合状态判断，得到口部开合状态信息；
13、s25，对所述眼部区域图像进行眼部开闭状态判断，得到眼部开闭状态信息；
14、s26，对所述口部开合状态信息和对应的驾驶员正面图像采集的时间信息进行整合，得到口部开闭状态数据集；
15、s27，对所述眼部开闭状态信息和对应的驾驶员正面图像采集的时间信息进行整合，得到眼部开闭状态数据集。
16、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述口部区域图像进行口部开合状态判断，得到口部开合状态信息，包括：
17、s241，对所述口部区域图像进行方差计算，得到口部方差信息；
18、s242，将所述口部方差信息与预设的方差阈值进行比较，当所述口部方差信息大于预设的方差阈值时，口部开合状态信息为张开状态，否则口部开合状态信息为闭合状态。
19、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述口部开闭状态数据集进行动态特征提取，得到第一特征信息，包括：
20、s31，对所述口部开闭状态数据集进行处理，得到开口时间；
21、s32，当所述开口时间大于3秒时，确认当前状态为打呵欠状态；
22、s33，记录相邻两个打呵欠状态的开始时间tma1和tma2；
23、s34，对所述相邻两个打呵欠状态的开始时间tma1和tma2进行处理，得到第一特征信息；
24、所述第一特征信息的表达式为：
25、fa＝1/(tma1-tma2)*60次/每分钟
26、式中，fa为第一特征信息，*表示相乘，/表示相除。
27、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述眼部开闭状态数据集进行动态特征提取，得到动态特征信息，包括：
28、s41，对所述眼部开闭状态数据集进行处理，得到眼睛闭合时间；
29、s42，对所述眼睛闭合时间进行处理，得到第二特征信息和第三特征信息；
30、s43，对所述眼部开闭状态数据集进行处理，得到眼部睁开状态持续时间；
31、s44，对所述眼部睁开状态持续时间进行处理，得到第四特征信息。
32、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述眼睛闭合时间进行处理，得到第二特征信息和第三特征信息，包括：
33、s421，对所述眼睛闭合时间进行判断，当所述眼睛闭合时间大于2.5秒时，确认当前状态为眼睛缓慢闭合状态；
34、s422，记录相邻两个眼睛缓慢闭合状态的开始时间tmb1和tmb2；
35、s423，对所述相邻两个眼睛缓慢闭合状态的开始时间tmb1和tmb2进行处理，得到第二特征信息；
36、所述第二特征信息的表达式为：
37、fb＝1/(tmb1-tmb2)*60次/每分钟
38、式中，fb为第二特征信息，*表示相乘，/表示相除；
39、s424，对所述眼睛闭合时间进行判断，当所述眼睛闭合时间小于1秒时，确认当前状态为眨眼状态；
40、s425，记录相邻两个眨眼状态的开始时间tmc1和tmc2；
41、s426，对所述相邻两个眨眼状态的开始时间tmc1和tmc2进行处理，得到第三特征信息；
42、所述第三特征信息的表达式为：
43、fc＝1/(tmc1-tmc2)*60次/每分钟
44、式中，fc为第三特征信息，*表示相乘，/表示相除。
45、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述眼部睁开状态持续时间进行处理，得到第四特征信息，包括：
46、s441，对所述眼部睁开状态持续时间进行判断，当所述眼部睁开状态持续时间大于10秒时，确认当前状态为凝视状态；
47、s442，记录相邻两个凝视状态的开始时间tmd1和tmd2；
48、s443，对所述相相邻两个凝视状态的开始时间tmd1和tmd2进行处理，得到第四特征信息；
49、所述第四特征信息的表达式为：
50、fd＝1/(tmd1-tmd2)*60次/每分钟
51、式中，fd为第四特征信息，*表示相乘，/表示相除。
52、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述第一特征信息和所述动态特征信息进行处理，得到驾驶员疲劳程度信息，包括：
【技术保护点】
1.一种疲劳驾驶检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述驾驶员正面图像数据集进行处理，得到口部开闭状态数据集和眼部开闭状态数据集，包括：
3.根据权利要求2所述的疲劳驾驶检测方法，其特征在于，所述对所述口部区域图像进行口部开合状态判断，得到口部开合状态信息，包括：
4.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述口部开闭状态数据集进行动态特征提取，得到第一特征信息，包括：
5.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述眼部开闭状态数据集进行动态特征提取，得到动态特征信息，包括：
6.根据权利要求5所述的疲劳驾驶检测方法，其特征在于，所述对所述眼睛闭合时间进行处理，得到第二特征信息和第三特征信息，包括：
7.根据权利要求5所述的疲劳驾驶检测方法，其特征在于，所述对所述眼部睁开状态持续时间进行处理，得到第四特征信息，包括：
8.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述第一特征信息和所述动
9.一种疲劳驾驶检测装置，其特征在于，所述装置包括：
10.一种疲劳驾驶检测装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种疲劳驾驶检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述驾驶员正面图像数据集进行处理，得到口部开闭状态数据集和眼部开闭状态数据集，包括：
3.根据权利要求2所述的疲劳驾驶检测方法，其特征在于，所述对所述口部区域图像进行口部开合状态判断，得到口部开合状态信息，包括：
4.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述口部开闭状态数据集进行动态特征提取，得到第一特征信息，包括：
5.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述对所述眼部开闭状态数据集进行动...
【专利技术属性】
技术研发人员：赵李萍，李峰，代飞，马方方，方笑笑，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
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。