[發(fā)明專利]一種車載疲勞駕駛檢測系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202111084208.2
• 申請日: 2021-09-16
• 公開（公告）號: CN113762194A
• 公開（公告）日: 2021-12-07
• 發(fā)明（設計）人: 何賽靈
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;A61B5/18;A61B5/024;A61B5/1455;A61B5/00;A61B3/113
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林松海

本發(fā)明公開了一種車載疲勞駕駛檢測系統(tǒng)，包括數據采集硬件模塊，眼睛注視點分析模塊，血氧/心率等生理參數分析模塊，可選的人臉表情分析模塊，以及多信息融合人工智能分析疲勞駕駛模塊。其中數據采集硬件模塊包括一個或者多個相機，用于采集司機面部的圖像或者光譜信息；血氧/心率等生理參數分析模塊通過540nm的吸收峰和510nm的反射峰比值變化或者通過光譜信息檢測人體的血氧濃度變化及心率；眼睛注視點分析模塊利用相機采集的圖像結合深度學習提取出司機的注視點時序，得到注視方向和關注的區(qū)域；多信息融合人工智能分析疲勞駕駛模塊融合多信息訓練，進而判斷是否有疲勞駕駛異常。本發(fā)明效率高，可靠性高，操作簡便。

技術領域

本發(fā)明屬于光譜檢測技術、計算機視覺與人工智能相結合的領域，涉及一種車載疲勞駕駛檢測系統(tǒng)。

背景技術

在當今社會壓力越來越大的情況下，疲勞駕駛已經成為了威脅交通安全的重大隱患。隨著網約車的流行，長時間工作的司機越來越多，使得社會對疲勞駕駛預防檢測方案的需求日益增加，目前主要的檢測手段為交通警察的行車記錄檢測，通常需要通過觀察主觀推測行車司機狀態(tài)，或者等事故發(fā)生后再進行追責，無法防患于未然，效率低下且無法全面覆蓋檢測。

發(fā)明內容

為了克服現有技術的不足，本發(fā)明的目的是提供一種車載疲勞駕駛檢測系統(tǒng)。

一種車載疲勞駕駛檢測系統(tǒng)，包括數據采集硬件模塊、血氧/心率等生理參數分析模塊、眼睛注視點分析模塊和多信息融合人工智能分析疲勞駕駛模塊；其中數據采集硬件模塊包括一個或者多個相機，用于采集司機面部的圖像或者光譜信息；所述的相機包括普通數碼相機、光譜相機或RGBD相機；所述的血氧/心率等生理參數分析模塊通過540nm的吸收峰和510nm的反射峰比值變化檢測人體的血氧濃度變化及心率，或者通過光譜信息檢測人體的血氧濃度及心率；所述的眼睛注視點分析模塊利用相機采集的圖像結合深度學習提取出司機的注視點時序，得到注視方向和關注的區(qū)域；所述的多信息融合人工智能分析疲勞駕駛模塊融合所述的血氧/心率等生理參數分析模塊輸出的人體血氧濃度/心率和所述的眼睛注視點分析模塊輸出的注視點時序和關注區(qū)域的時序變化信息進行多信息訓練，進而判斷司機是否有疲勞駕駛時眼睛注視點時序的異常與生理參數的異常。

所述的一種車載疲勞駕駛檢測系統(tǒng)，第一相機前置貼合有540nm濾光片，第二相機前置貼合有510nm濾光片，用于獲得 540nm的吸收峰和510nm的反射峰。

所述的眼睛注視點分析模塊利用相機采集的圖像結合深度學習檢測司機的頭部矢量（head vector）及注視方向(gazing vector)，進而判斷司機的眼睛注視點時序是否有疲勞駕駛的特征，步驟如下：

1）使用人臉檢測算法，檢測人臉位置，提取人臉圖片；

2）將人臉圖片輸入到深度神經網絡中，再聯(lián)合PNP算法等得到頭部矢量信息及特征點坐標；

3）對于精度要求更高的場景，使用人臉關鍵點檢測算法，檢測包含人眼關鍵點信息的人臉關鍵點信息；

4）將得到的人臉關鍵點位置信息輸入到訓練好的深度學習神經網絡中，得到注視方向；

5）根據頭部矢量或者頭部矢量加注視方向信息，結合特征點坐標，計算出該人關注的區(qū)域。

所述頭部矢量信息，為人臉朝向的方向向量，包括偏航角、轉動角和傾斜角。

所述人臉關鍵點信息包括人眼以及人臉輪廓的位置信息。

所述注視方向，為視線的方向向量，包含偏航角、轉動角、傾斜角。

所述的計算出該人關注的區(qū)域，并判斷關注區(qū)域的時序變化是否有疲勞駕駛的特征，包括關注區(qū)域不會左右切換，而是在不斷地緩慢浮動/抖動變化。