[發明專利]一種基于呼吸率的疲勞預測方法、終端設備及存儲介質

在審

• 申請號: 202110504144.0
• 申請日: 2021-05-10
• 公開（公告）號: CN113288111A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 蘇鷺梅;陳興;陳鑫強
• 申請（專利權）人: 廈門理工學院
• 主分類號: A61B5/08
• 分類號: A61B5/08
• 代理公司: 廈門市精誠新創知識產權代理有限公司 35218
• 代理人: 何家富

本發明涉及一種基于呼吸率的疲勞預測方法、終端設備及存儲介質，該方法中包括：S1：采集司機駕駛過程中的視頻，并將視頻逐幀分解為圖像；S2：提取每幀圖像對應的呼吸信號；S3：構建長短期記憶網絡模型，通過采集的視頻對該長短期記憶網絡模型進行訓練，使得長短期記憶網絡模型輸出的預測呼吸信號與實際呼吸信號的差異最小；S4：通過訓練后的長短期記憶網絡模型，根據司機歷史行駛過程中的視頻，對未來時間的呼吸信號進行預測；S5：將預測的呼吸信號的時域數據轉換為頻域信息，從頻域信息中獲取預測呼吸率；S6：根據預測呼吸率判斷是否處于疲勞狀態。本發明可以適用絕大多數人群和環境，且檢測精度高。

技術領域

本發明涉及疲勞檢測領域，尤其涉及一種基于呼吸率的疲勞預測方法、終端設備及存儲介質。

背景技術

國內外研究表明，駕駛員處于疲勞的狀態下，對周圍環境的感知能力、危險的判斷能力和車輛的操控能力都會較正常情況有不同程度的下降，從而導致交通事故。

近幾年的交通事故中，因疲勞駕駛而導致的比例達到六成，已然成為一個備受關注的社會問題。所以，開發疲勞駕駛檢測與提醒系統是預防此類事件的方法之一，能夠一定程度上降低該類交通事故的出現，提高行車安全指數。

現有的疲勞檢測的方法有很多，大多疲勞檢測的方法都接觸式的，這一類方法準確性有所保證，但是對被檢測者不是很友好，尤其是對司機，由于要穿帶繁重的檢測儀器。而現有的非接觸式是通過臉部或是頭部的特征進行疲勞判斷，這些方法大多數都存在著實時性低，檢測精度不夠等缺點，這是由于疲勞特征不夠所造成的。但非接觸式檢測的便捷性，是疲勞檢測發展的一個趨勢，目前急需一種功能全面，相對安全且準確的非接觸式疲勞檢測檢測系統。

發明內容

為了解決上述問題，本發明提出了一種基于呼吸率的疲勞預測方法、終端設備及存儲介質。

具體方案如下：

一種基于呼吸率的疲勞預測方法，包括以下步驟：

S1：采集司機駕駛過程中的視頻，并將視頻逐幀分解為圖像；

S2：提取每幀圖像對應的呼吸信號；

S3：構建長短期記憶網絡模型，通過采集的視頻對該長短期記憶網絡模型進行訓練，使得長短期記憶網絡模型輸出的預測呼吸信號與實際呼吸信號的差異最小；

S4：通過訓練后的長短期記憶網絡模型，根據司機歷史行駛過程中的視頻，對未來時間的呼吸信號進行預測；

S5：將預測的呼吸信號的時域數據轉換為頻域信息，從頻域信息中獲取預測呼吸率；

S6：根據預測呼吸率判斷是否處于疲勞狀態。

進一步的，步驟S2中提取每幀圖像對應的呼吸信號的方法為：將每幀圖像進行光流編碼后，根據設定的感興趣區域，將光流編碼后的圖像中的感興趣區域進行灰度處理，將感興趣區域中所有像素點的灰度值的平均值作為該圖像的呼吸信號。

進一步的，光流編碼采用Horn-Schunck光流法。

進一步的，感興趣區域為胸部區域。

進一步的，步驟S3中通過采集的視頻對該長短期記憶網絡模型進行訓練時，將視頻的時序中的前90％作為訓練集，后10％作為測試集，將訓練集輸入長短期記憶網絡模型，輸出結果為預測呼吸信號，測試集為實際呼吸信號。

進一步的，步驟S3中長短期記憶網絡模型中的層包含200個隱含單元，設定迭代次數為250，初始學習率為0.005，在125次迭代后，通過乘以0.2來降低學習率。

進一步的，步驟S5中將預測的呼吸信號的時域數據轉換為頻域信息通過快速傅里葉變換進行。