【技术实现步骤摘要】
本申请涉及智能网联，具体而言，涉及一种驾驶状态监测方法、装置、电子设备及存储介质。
技术介绍
1、现有的驾驶员状态检测如基于驾驶行为的识别：通过监测驾驶员的行为特征来判断其疲劳程度，例如，通过车辆传感器记录驾驶行为数据，包括车速、方向盘操作、加速度等，以确定频繁变道、摇晃等驾驶行为；基于生理信号的识别，如心率、脑电图、眼动、肌电等确定驾驶员疲劳程度；基于声音分析的识别出驾驶员打呵欠、说话声音变化、打电话等现象。
2、由于每个人的生理特征、行为习惯和表现方式都不同，这使得基于驾驶行为、生理信号、声音分析的识别方案对不同驾驶员的适应性有所限制。这些识别方案在识别疲劳驾驶时可能存在误判，例如，基于驾驶行为的识别方案可能因为某些临时情况(如躲避障碍物)导致误报疲劳驾驶。
技术实现思路
1、本申请实施例的目的在于提供一种驾驶状态监测方法、装置、电子设备及存储介质，通过嘴巴的闭合程度、眼睛的闭合程度和眼球运动速率等多维度评估驾驶员疲劳程度，提高判断结果的准确性和可靠性，解决了现有方法存在使用限制且判断结果不准确的问题。
2、本申请实施例提供了一种驾驶状态监测方法，所述方法包括：
3、获取并预处理驾驶员的脸部图像，以获得脸部轮廓图像；
4、对所述脸部轮廓图像进行特征点检测，以获得脸部特征点，所述脸部特征点包括嘴部特征点和眼部特征点；
5、利用嘴部特征点计算驾驶员嘴巴的闭合程度，并进行疲劳状态判断；
6、利用眼部特征点计算驾驶
7、利用所述脸部图像计算眼球运动速率，并利用所述眼球运动速率进行疲劳状态判断；
8、基于判断结果触发对驾驶员的预警。
9、在上述实现过程中，对脸部轮廓图像进行特征点检测，识别出嘴部特征点和眼部特征点，通过嘴巴的闭合程度、眼睛的闭合程度和眼球运动速率等多维度评估驾驶员疲劳程度，提高判断结果的准确性和可靠性，实现对驾驶员安全行驶的实时检测与预警，解决了现有方法存在使用限制且判断结果不准确的问题。
10、进一步地，所述利用嘴部特征点计算驾驶员嘴巴的闭合程度，并进行疲劳状态判断，包括：
11、利用嘴部特征点计算驾驶员的嘴巴纵横比：
12、
13、其中，p1和p4表示嘴角特征点，p2和p3表示上嘴唇外轮廓特征点，p5和p6表示下嘴唇外轮廓特征点；
14、若嘴巴纵横比大于第一设定值且持续时间大于第一时间阈值，则处于疲劳状态。
15、在上述实现过程中，嘴巴纵横比数值较大且持续时间长，则驾驶员可能在打哈欠，实现利用嘴巴纵横比对驾驶员疲劳状态的评估。
16、进一步地，所述利用眼部特征点计算驾驶员眼睛的闭合程度，并进行疲劳状态判断，包括：
17、利用眼部特征点计算驾驶员的眼睛纵横比：
18、
19、其中，p7和p10表示眼角特征点，p8和p9表示上眼睑外轮廓特征点，p11和p12表示下眼睑外轮廓特征点；
20、若眼睛纵横比小于第二设定值且持续时间大于第二时间阈值，则处于疲劳状态。
21、在上述实现过程中，眼睛纵横比较小说明眼睛处于闭合状态，若闭眼持续时间长，则说明当前眼睛处于疲劳状态，实现利用眼睛纵横比对驾驶员疲劳状态的评估。
22、进一步地，所述利用所述脸部图像计算眼球运动速率，并利用所述眼球运动速率进行疲劳状态判断，包括：
23、从所述脸部图像分割出眼部区域图像，并进行形态学操作，获得眼部二值化图像；
24、利用所述眼部二值化图像进行虹膜中心定位和眼角定位，分别获得虹膜中心点坐标和眼角坐标；
25、基于所述虹膜中心点坐标和眼角坐标获得相邻两帧图像的眼球运动距离l和眼球运动速率v：
26、v＝l/t；
27、其中，l＝|l1-l2|，其中，l1表示当前时刻眼球到参照眼角的距离，(x1,y1)表示当前时刻虹膜中心点坐标，(x2,y2)表示当前时刻参照眼角坐标，l2表示下一时刻眼球到参照眼角的距离，(x3,y3)表示下一时刻虹膜中心点坐标，(x4,y4)表示下一时刻参照眼角坐标，t表示相邻两帧图像的时间间隔；
28、若眼球运动速率小于速率设定值，则处于疲劳状态。
29、在上述实现过程中，当人处于疲劳状态时，眼球运动速度会变慢，因此可根据眼球运动速率判断出疲劳状态。
30、进一步地，所述方法还包括：
31、利用所述眼部二值化图像获得眼球最高点坐标和眼球最低点坐标；
32、利用所述眼球最高点坐标和眼球最低点坐标计算眼睛的凝视分数，并利用所述凝视分数进行专注力判断。
33、在上述实现过程中，利用凝视分数对驾驶员进行专注力判断，增加驾驶员状态的评估维度，提高了驾驶的安全性。
34、进一步地，所述利用所述眼球最高点坐标和眼球最低点坐标计算眼睛的凝视分数，并利用所述凝视分数进行专注力判断，包括：
35、凝视分数表示为：
36、
37、其中，(x5,y5)表示左眼角坐标，(x7,y7)表示右眼角坐标，(x6,y6)表示眼球最高点坐标，(x8,y8)表示眼球最低点坐标，(x9,y9)表示眼球中心点的坐标，(x10,y10)表示虹膜中心点坐标；
38、若凝视分数小于凝视分数阈值，则判定为驾驶员专注力低下。
39、在上述实现过程中，凝视分数可以用于表示一个人的注意力和警觉水平，因此可利用凝视分数来评估驾驶员的专注力，实现了对驾驶员的专注力判断。
40、本申请实施例还提供一种驾驶状态监测装置，所述装置包括：
41、图像获取模块，用于获取并预处理驾驶员的脸部图像，以获得脸部轮廓图像；
42、特征点检测模块，用于对所述脸部轮廓图像进行特征点检测，以获得脸部特征点，所述脸部特征点包括嘴部特征点和眼部特征点；
43、第一疲劳判断模块，用于利用嘴部特征点计算驾驶员嘴巴的闭合程度，并进行疲劳状态判断；
44、第二疲劳判断模块，用于利用眼部特征点计算驾驶员眼睛的闭合程度，并进行疲劳状态判断；
45、第三疲劳判断模块，用于利用所述脸部图像计算眼球运动速率，并利用所述眼球运动速率进行疲劳状态判断；
46、预警模块，用于基于判断结果触发对驾驶员的预警。
47、在上述实现过程中，对脸部轮廓图像进行特征点检测，识别出嘴部特征点和眼部特征点，通过嘴巴的闭合程度、眼睛的闭合程度和眼球运动速率等多维度评估驾驶员疲劳程度，提高判断结果的准确性和可靠性，实现对驾驶员安全行驶的实时检测与预警，解决了现有方法存在使用限制且判断结果不准确的问题。
48、进一步地，所述第一疲劳判断模块包括：
49、纵横比计算模块，用于利用嘴部特征点计算驾驶员的嘴巴纵横比：
5本文档来自技高网...
【技术保护点】
1.一种驾驶状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用嘴部特征点计算驾驶员嘴巴的闭合程度，并进行疲劳状态判断，包括：
3.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用眼部特征点计算驾驶员眼睛的闭合程度，并进行疲劳状态判断，包括：
4.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用所述脸部图像计算眼球运动速率，并利用所述眼球运动速率进行疲劳状态判断，包括：
5.根据权利要求4所述的驾驶状态监测方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的驾驶状态监测方法，其特征在于，所述利用所述眼球最高点坐标和眼球最低点坐标计算眼睛的凝视分数，并利用所述凝视分数进行专注力判断，包括：
7.一种驾驶状态监测装置，其特征在于，所述装置包括：
8.根据权利要求7所述的驾驶状态监测装置，其特征在于，所述第一疲劳判断模块包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至6中任一项所述的驾驶状态监测方法。
...【技术特征摘要】
1.一种驾驶状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用嘴部特征点计算驾驶员嘴巴的闭合程度，并进行疲劳状态判断，包括：
3.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用眼部特征点计算驾驶员眼睛的闭合程度，并进行疲劳状态判断，包括：
4.根据权利要求1所述的驾驶状态监测方法，其特征在于，所述利用所述脸部图像计算眼球运动速率，并利用所述眼球运动速率进行疲劳状态判断，包括：
5.根据权利要求4所述的驾驶状态监测方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的驾驶状态监测方法，其特征在于，所述利用...
【专利技术属性】
技术研发人员：贾洪斌，邓剑鹏，赵广乐，
申请(专利权)人：广汽埃安新能源汽车股份有限公司，
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。