[發(fā)明專利]一種汽車駕駛員疲勞檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810991880.1
• 申請(qǐng)日: 2018-08-29
• 公開（公告）號(hào): CN109063686A
• 公開（公告）日: 2018-12-21
• 發(fā)明（設(shè)計(jì)）人: 劉浩然
• 申請(qǐng)（專利權(quán)）人: 安徽華元智控科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 上海光華專利事務(wù)所(普通合伙) 31219
• 代理人: 王華英

本發(fā)明公開一種汽車駕駛員疲勞檢測(cè)方法及系統(tǒng)，所述汽車駕駛員疲勞檢測(cè)方法包括：獲取駕駛員的駕駛狀態(tài)圖片信息，所述駕駛狀態(tài)圖片信息包括駕駛員頭部狀態(tài)信息以及駕駛員手部狀態(tài)信息；利用特征提取方法將所述駕駛狀態(tài)圖片信息轉(zhuǎn)化成數(shù)據(jù)信息，以得到駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)；將所述駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，以得到駕駛員的疲勞等級(jí)；顯示所述駕駛員的疲勞等級(jí)。本發(fā)明選取能夠不僅克服了單一指標(biāo)在檢測(cè)駕駛疲勞程度中的不足，消除單一指標(biāo)失效時(shí)產(chǎn)生的誤判和漏判，而且提高了識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及疲勞駕駛檢測(cè)技術(shù)領(lǐng)域，特別是涉及一種汽車駕駛員疲勞檢測(cè)方法及系統(tǒng)。

背景技術(shù)

駕駛員疲勞是公認(rèn)的導(dǎo)致嚴(yán)重受傷或死亡的車禍的主要原因，因疲勞駕車造成的交通事故占總數(shù)的20％左右，占特大交通事故的40％以上。據(jù)有關(guān)研究表明，若在交通事故發(fā)生前提前一秒鐘向駕駛員發(fā)出警報(bào)，則可避免90％的類似交通事故。

目前的檢測(cè)駕駛員疲勞手段具有以下缺點(diǎn)：

目前的基于駕駛員生理指標(biāo)檢測(cè)法具有較強(qiáng)的客觀性，能比較準(zhǔn)確地反映人體的疲勞狀態(tài)，但大多數(shù)生理傳感器具有侵入性，需要在人體表面貼入電極，不僅會(huì)引起駕駛員的不適而且會(huì)影響駕駛操作動(dòng)作，不利于駕駛安全，且成本高。

目前的車輛狀態(tài)的檢測(cè)法可直接反映車輛行駛狀態(tài)的安全性，缺點(diǎn)是受車型、路況、天氣及個(gè)人駕駛習(xí)慣等的影響較大，判定標(biāo)準(zhǔn)難以確定。

目前的基于駕駛員行為特性的檢測(cè)法可實(shí)現(xiàn)非侵入式測(cè)量，但檢測(cè)算法對(duì)實(shí)時(shí)性和魯棒性要求較高，是近些年來研究的熱點(diǎn)。

發(fā)明內(nèi)容

鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種汽車駕駛員疲勞檢測(cè)方法及系統(tǒng)，用于解決現(xiàn)有技術(shù)中不利于駕駛安全，且成本高，容易受車型、路況、天氣及個(gè)人駕駛習(xí)慣等的影響，且對(duì)實(shí)時(shí)性和魯棒性要求較高的問題。

為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種汽車駕駛員疲勞檢測(cè)方法，所述汽車駕駛員疲勞檢測(cè)方法包括：獲取駕駛員的駕駛狀態(tài)圖片信息，所述駕駛狀態(tài)圖片信息包括駕駛員頭部狀態(tài)信息以及駕駛員手部狀態(tài)信息；利用特征提取方法將所述駕駛狀態(tài)圖片信息轉(zhuǎn)化成數(shù)據(jù)信息，以得到駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)；將所述駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入，以得到駕駛員的疲勞等級(jí)；顯示所述駕駛員的疲勞等級(jí)；存儲(chǔ)所述駕駛狀態(tài)圖片信息、駕駛員手部運(yùn)動(dòng)特征參數(shù)以及駕駛員的疲勞等級(jí)。

作為本發(fā)明的一種優(yōu)選方案，利用特征提取方法將所述駕駛狀態(tài)圖片信息轉(zhuǎn)化成數(shù)據(jù)信息，以得到駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)包括：從所述駕駛員頭部狀態(tài)信息以及駕駛員手部狀態(tài)信息中提取駕駛員臉部區(qū)域以及手部區(qū)域；從所述駕駛員臉部區(qū)域以及手部區(qū)域中提取眼部特征向量、嘴部特征向量以及面部朝向特征向量；根據(jù)所述眼部特征向量、嘴部特征向量以及面部朝向特征向量分別構(gòu)建眼部特征向量分類器、嘴部特征向量分類器以及面部朝向特征向量分類器；根據(jù)所述眼部特征向量分類器、嘴部特征向量分類器以及面部朝向特征向量分類器，分別獲取駕駛員面部特征參數(shù)和駕駛員手部運(yùn)動(dòng)特征參數(shù)。

作為本發(fā)明的一種優(yōu)選方案，從所述駕駛員頭部狀態(tài)信息以及駕駛員手部狀態(tài)信息中提取駕駛員臉部區(qū)域以及手部區(qū)域包括：將所述駕駛狀態(tài)圖片信息變換為YCbCr色彩空間，基于膚色模型分割膚色區(qū)域與非膚色區(qū)域，以獲得多個(gè)連通區(qū)域；對(duì)多個(gè)所述連通區(qū)域進(jìn)行閉運(yùn)算填充空洞，以得到填充空洞后的連通區(qū)域，根據(jù)所述填充空洞后的連通區(qū)域的形狀特征提取臉部候選區(qū)域以及手部候選區(qū)域；利用Adaboost算法在所述臉部候選區(qū)域以及手部候選區(qū)域內(nèi)進(jìn)行檢測(cè)，已得到臉部區(qū)域以及手部區(qū)域。

作為本發(fā)明的一種優(yōu)選方案，從所述駕駛員臉部區(qū)域以及手部區(qū)域中提取眼部特征向量、嘴部特征向量以及面部朝向特征向量包括：