CN103617421A - 基于综合视频特征分析的疲劳检测方法及系统 - Google Patents
基于综合视频特征分析的疲劳检测方法及系统 Download PDFInfo
- Publication number
- CN103617421A CN103617421A CN201310694771.0A CN201310694771A CN103617421A CN 103617421 A CN103617421 A CN 103617421A CN 201310694771 A CN201310694771 A CN 201310694771A CN 103617421 A CN103617421 A CN 103617421A
- Authority
- CN
- China
- Prior art keywords
- web
- state
- face
- learners
- fatigue
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于综合视频特征分析的疲劳检测方法及系统,该方法包括如下步骤:利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位;判断各图像帧中该网络学习者的眼睛的开合状态;根据各图像帧中该网络学习者的眼睛的开合状态的判断结果计算网络学习者的眨眼频率;将获得的该网络学习者的眨眼频率与眨眼频率阈值进行比较,获得疲劳检测结果,通过本发明,可提高网络学习者疲劳检测的准确度和速度,使得利用网络进行教学的教师能够及时了解网络学习者的精神状态。
Description
技术领域
本发明涉及视频图像处理技术,特别是涉及一种基于综合视频特征分析的疲劳检测方法及系统。
背景技术
目前面向网络教育的学习者疲劳检测技术与方法研究比较少。上海交通大学的刘瑾奕做了面向智能教室的基于图像处理和模糊逻辑的学习者睡意检测技术研究。他分析了智能教室中的瞌睡场景,以及检测技术方案的实际需求,采用数字图像处理与模糊逻辑结合作为最终研究和实现的方式,并基于MATLAB平台上进行模拟测试。此系统具有如下优点:从USB摄像头获取图像,实现睡意状态检测;能对测试场所的光照、背景,以及对被测试者的姿势、是否带有眼镜等都有良好的适应性。但是他仅仅能将眼睛的睁开状态认定为清醒,将眼睛的闭合状态认定为瞌睡,显然是不够准确。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种基于综合视频特征分析的疲劳检测方法及系统,其可以提高网络学习者疲劳检测的准确度和速度,使得利用网络进行教学的教师能够及时了解网络学习者的精神状态,特别是学习者是否疲劳或精神分散,便于网络教学的进行。
为达上述及其它目的,本发明提出一种基于综合视频特征分析的疲劳检测方法,包括如下步骤:
步骤一,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位;
步骤二,判断各图像帧中该网络学习者的眼睛的开合状态;
步骤三,根据各图像帧中该网络学习者的眼睛的开合状态的判断结果计算网络学习者的眨眼频率;
步骤四,将获得的该网络学习者的眨眼频率与眨眼频率阈值进行比较,获得疲劳检测结果。
进一步地,于步骤二中,通过求得上下眼睑的距离大小来判断眼睛处于开或合的状态。
进一步地,于步骤二中,当眼睛完全睁开时,上下眼睑距离最大,记为Hemax。当上下眼睑距离小于Hemax/5时,为闭合状态,其他情况为睁开状态。
进一步地,于步骤四中,当获得的该网络学习者的眨眼频率小于该眨眼频率阈值时,则判断该网络学习者处于疲劳状态,当该网络学习者的眨眼频率大于该眨眼频率阈值,则判断该网络学习者处于清醒状态。
为达到上述目的,本发明还提供一种基于综合视频特征分析的疲劳检测方法,包括如下步骤:
步骤一,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行嘴巴定位;
步骤二,判断各图像帧中该网络学习者的嘴巴的开合状态;
步骤三,根据各图像帧中该网络学习者的嘴巴的开合状态的判断结果计算网络学习者的嘴巴处于打哈欠状态持续时间;
步骤四,将获得的该网络学习者的嘴巴处于打哈欠状态持续时间与打哈欠持续时间阈值进行比较,获得疲劳检测结果。
进一步地,于步骤二中,通过求得上下嘴唇的距离大小来判断嘴巴的张开程度。
进一步地,于步骤二中,当嘴巴完全张开时,上下嘴唇距离最大,记为Hmmax,当上下嘴唇距离等于Hmmax时,为打哈欠状态,其他情况为正常状态。
进一步地,于步骤四中,当获得的该网络学习者的嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时,则判断该网络学习者处于疲劳状态,当获得的该网络学习者的嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时,则判断该网络学习者处于清醒状态。
为达到上述目的,本发明还提供一种基于综合视频特征分析的疲劳检测系统,至少包括:
图像帧获取及定位模块,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位及嘴巴定位;
状态判断模块,根据各图像帧的定位结果判断该网络学习者的眼睛的开合状态及嘴巴的开合状态;
参数计算模块,根据该状态判断模块的眼睛的开合状态及嘴巴的开合状态的判断结果计算该网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间;
疲劳检测模块,将获得的网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间与眨眼频率阈值及打哈欠持续时间阈值进行比较,获得疲劳检测结果。
进一步地,当获得的该网络学习者的眨眼频率小于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时,则该疲劳检测模块判断该网络学习者处于疲劳状态;当获得的该网络学习者的眨眼频率大于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时,则该疲劳检测模块判断该网络学习者处于清醒状态。
与现有技术相比,本发明一种基于综合视频特征分析的疲劳检测方法及系统通过判断眼睛开合状态及嘴巴开合状态进而计算出眨眼频率和嘴巴打哈欠状态持续时间,并将其作为网络学习的疲劳检测参数,提高了网络学习者疲劳检测的准确度和速度,使得利用网络进行教学的教师能够及时了解网络学习者的精神状态,特别是学习者是否疲劳或精神分散,可以提高网络教学的效率。
附图说明
图1为本发明中网络学习者眼睛睁开状态示意图;
图2为本发明中网络学习者嘴巴张开状态示意图
图3为本发明嘴巴打哈欠状态检测结果示意图;
图4为本发明一种基于综合视频特征分析的疲劳检测方法的步骤流程图;
图5为本发明一种基于综合视频特征分析的疲劳检测系统的系统架构图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
通过眼睛闭合或嘴巴张大就判定网络学习者是否疲劳,不是很准确。然而,如果嘴巴持续很久大张开,就可以确定学习者处于疲劳状态了。因此,本发明采用另一参数-嘴巴打哈欠状态持续时间及眨眼频率来判断网络学习疲劳。本发明通过侦测眼睛开合状态、嘴巴开合状态并计算眨眼频率、嘴巴打哈欠状态持续时间作为判断网络学习疲劳的参数。
(1)眼睛开合状态判断
网络学习者疲劳时,眼睛不一定完全闭合了。通过观察发现,很多学习者疲劳时眼睛往往睁得很小。因此,根据实际情况,借鉴PERCLOS(Percent EyelidClosure,眼睛闭合时间占特定时间的百分率)法则,定义眼睛闭合程度小于80%为睁开状态,否则为闭合状态。图1为眼睛睁开状态示意图,由图可知,t3-t2时间段内眼睛均为闭合状态。
很多方法可以判断眼睛睁开和闭合的状态。很多研究者利用瞳孔面积、眼睑曲率等来判断眼睛的开闭状态,在睁眼时有瞳孔面积大、上眼睑曲率大,而在闭眼时瞳孔被遮蔽、上眼睑曲率变小等等。本发明通过上下眼睑的距离大小来判断眼睛处于开或合的状态。用眼睛上下眼睑距离来表示眼睛的睁开程度。当眼睛完全睁开时,上下眼睑距离最大,记为Hemax。上下眼睑距离小于Hemax/5时,为闭合状态,其他情况为睁开状态。在完成精确定位眼睛后,可以求得上下眼睑的距离。从而判断眼睛的睁开与闭合状态。
(2)嘴巴张开状态判断
在人的基本生理行为中,打哈欠与正常讲话时嘴外型的变化有很大的不同,人在正常的情况下嘴巴基本不会张大得很厉害。人打哈欠的表情非常的不一样,张开的程度就非常大。因此,定义嘴巴张开最大时为打哈欠状态,其它为正常状态。图2为嘴巴张开状态示意图。由图2知,t2-t1时间段内嘴巴均处于打哈欠状态。
很多方法可以判断嘴巴张开和闭合的状态。在本发明较佳实施例中,采用上下嘴唇的距离大小来表示嘴巴的张开程度。当嘴巴完全张开时,上下嘴唇距离最大,记为Hmmax。上下嘴唇距离等于Hmmax时,为打哈欠状态,其他情况为正常状态。在完成精确定位嘴巴后,可以求得上下嘴唇的距离。从而判断嘴巴的打哈欠状态。图3即为打哈欠状态检测结果示意图。
(3)疲劳状态检测
根据经验,检测的图像帧的眼睛状态为闭合状态,并不能说明学习者处于疲劳状态,因为当学习者眨眼时,采样的图像极有可能为眼睛闭合状态的图像。因此,仅仅利用一帧图像中眼睛处于闭合状态,来判断学习者处于疲劳状态是不准确的。本发明通过采用CCD摄像头捕捉人眼,运用每分钟眨眼次数和瞳孔的面积变化来判断疲劳。在网络学习中,眨眼频率越高,网络学习者疲劳度越低,眨眼频率越低,疲劳程度越高。因此,通过观察、分析疲劳状态眼睛特点以及借鉴驾驶员疲劳检测方法,本发明采用眨眼频率f作为检测网络学习疲劳的一个参数。
嘴巴持续很久大张开(即打哈欠持续时间很长),也可以确定学习者处于疲劳状态了。因此,本发明采用另一参数-打哈欠持续时间Th来判断网络学习疲劳。
图4为本发明一种基于综合视频特征分析的疲劳检测方法的步骤流程图。如图4所示,本发明一种基于综合视频特征分析的疲劳检测方法,包括如下步骤:
步骤401,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位及嘴巴定位,在本发明较佳实施例中,摄像装置为CCD摄像头。
步骤402,判断该网络学习者的眼睛的开合状态及嘴巴的开合状态。在本发明较佳实施例中,通过上下眼睑的距离大小来判断眼睛处于开或合的状态。用眼睛上下眼睑距离来表示眼睛的睁开程度。当眼睛完全睁开时,上下眼睑距离最大,记为Hemax。上下眼睑距离小于Hemax/5时,为闭合状态,其他情况为睁开状态,在完成精确定位眼睛后,可以求得上下眼睑的距离,从而判断眼睛的睁开与闭合状态;采用上下嘴唇的距离大小来表示嘴巴的张开程度。当嘴巴完全张开时,上下嘴唇距离最大,记为Hmmax。上下嘴唇距离等于Hmmax时,为打哈欠状态,其他情况为正常状态。在完成精确定位嘴巴后,可以求得上下嘴唇的距离,从而判断嘴巴的打哈欠状态。
步骤403,根据眼睛的开合状态及嘴巴的开合状态的判断结果计算网络学习者的眨眼频率f、嘴巴处于打哈欠状态持续时间Th。
步骤404,将获得的网络学习者的眨眼频率f、嘴巴处于打哈欠状态持续时间Th与眨眼频率阈值及打哈欠持续时间阈值进行比较,获得疲劳检测结果。在本发明较佳实施例中,当获得的网络学习者的眨眼频率f小于眨眼频率阈值时,则判断出网络学习者处于疲劳状态,当网络学习者的眨眼频率大于眨眼频率阈值,则判断出网络学习者处于清醒状态;或者当获得的网络学习者的嘴巴处于打哈欠状态持续时间Th大于打哈欠持续时间阈值时,则判断出网络学习者处于疲劳状态,当获得的网络学习者的嘴巴处于打哈欠状态持续时间Th小于打哈欠持续时间阈值时,则判断出网络学习者处于清醒状态。
在本发明较佳实施例中,通过在线教育网站的实地试验,对30名年龄为18-28岁的网络学习者进行测试,持续记录网络学习者疲劳时打哈欠持续时间Thstd,以及清醒时的正常眨眼频率fg,经统计平均得出:网络学习者疲劳时打哈欠持续时间Thstd=5~10s,清醒时的正常眨眼频率fg=5~12次/分钟。在实验中还发现,学习者疲劳可能不停地打哈欠,也可能双眼闭合打瞌睡,但是很少出现既打瞌睡又打哈欠的情况。
因此,根据实际情况可以将网络学习者疲劳时的眨眼频率阈值取为4次/分钟,打哈欠持续时间阈值取为12s。当网络学习者的眨眼频率f<4次/分钟,则判断出网络学习者处于疲劳状态;当网络学习者的眨眼频率f>4次/分钟,则判断出网络学习者处于清醒状态。当网络学习者的打哈欠持续时间Th>12s时,则判断出网络学习者处于疲劳状态;当网络学习者的打哈欠持续时间Th<12s时,则判断出网络学习者处于清醒状态。即当满足f<4次/分钟,或者Th>12s其中一个条件时,即可判定网络学习者处于疲劳状态。
图5为本发明一种基于综合视频特征分析的疲劳检测系统的系统架构图。如图5所示,本发明一种基于综合视频特征分析的疲劳检测系统,至少包括:图像帧获取及定位模块501、状态判断模块502、参数计算模块503以及疲劳检测模块504。
其中图像帧获取及定位模块501,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位及嘴巴定位,在本发明较佳实施例中,摄像装置为CCD摄像头;状态判断模块502根据各图像帧的定位结果判断该网络学习者的眼睛的开合状态及嘴巴的开合状态。在本发明较佳实施例中,状态判断模块502通过上下眼睑的距离大小来判断眼睛处于开或合的状态,用眼睛上下眼睑距离来表示眼睛的睁开程度,当眼睛完全睁开时,上下眼睑距离最大,记为Hemax。上下眼睑距离小于Hemax/5时,为闭合状态,其他情况为睁开状态,在完成精确定位眼睛后,可以求得上下眼睑的距离,从而判断眼睛的睁开与闭合状态,状态判断模块502采用上下嘴唇的距离大小来表示嘴巴的张开程度。当嘴巴完全张开时,上下嘴唇距离最大,记为Hmmax。上下嘴唇距离等于Hmmax时,为打哈欠状态,其他情况为正常状态。在完成精确定位嘴巴后,可以求得上下嘴唇的距离,从而判断嘴巴的打哈欠状态;参数计算模块503根据状态判断模块502的眼睛的开合状态及嘴巴的开合状态的判断结果计算网络学习者的眨眼频率f、嘴巴处于打哈欠状态持续时间Th;疲劳检测模块504,将获得的网络学习者的眨眼频率f、嘴巴处于打哈欠状态持续时间Th与眨眼频率阈值及打哈欠持续时间阈值进行比较,获得疲劳检测结果。在本发明较佳实施例中,当获得的网络学习者的眨眼频率f小于眨眼频率阈值时,则疲劳检测模块504判断出网络学习者处于疲劳状态,当网络学习者的眨眼频率大于眨眼频率阈值,则疲劳检测模块504判断出网络学习者处于清醒状态;或者当获得的网络学习者的嘴巴处于打哈欠状态持续时间Th大于打哈欠持续时间阈值时,疲劳检测模块504则判断出网络学习者处于疲劳状态,当获得的网络学习者的嘴巴处于打哈欠状态持续时间Th小于打哈欠持续时间阈值时,疲劳检测模块504则判断出网络学习者处于清醒状态。
综上所述,本发明一种基于综合视频特征分析的疲劳检测方法及系统通过判断眼睛开合状态及嘴巴开合状态进而计算出眨眼频率和嘴巴打哈欠状态持续时间,并将其作为网络学习的疲劳检测参数,提高了网络学习者疲劳检测的准确度和速度,使得利用网络进行教学的教师能够及时了解网络学习者的精神状态,特别是学习者是否疲劳或精神分散,可以提高网络教学的效率。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种基于综合视频特征分析的疲劳检测方法,包括如下步骤:
步骤一,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位;
步骤二,判断各图像帧中该网络学习者的眼睛的开合状态;
步骤三,根据各图像帧中该网络学习者的眼睛的开合状态的判断结果计算网络学习者的眨眼频率;
步骤四,将获得的该网络学习者的眨眼频率与眨眼频率阈值进行比较,获得疲劳检测结果。
2.如权利要求1所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤二中,通过求得上下眼睑的距离大小来判断眼睛处于开或合的状态。
3.如权利要求2所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤二中,当眼睛完全睁开时,上下眼睑距离最大,记为Hemax。当上下眼睑距离小于Hemax/5时,为闭合状态,其他情况为睁开状态。
4.如权利要求3所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤四中,当获得的该网络学习者的眨眼频率小于该眨眼频率阈值时,则判断该网络学习者处于疲劳状态,当该网络学习者的眨眼频率大于该眨眼频率阈值,则判断该网络学习者处于清醒状态。
5.一种基于综合视频特征分析的疲劳检测方法,包括如下步骤:
步骤一,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行嘴巴定位;
步骤二,判断各图像帧中该网络学习者的嘴巴的开合状态;
步骤三,根据各图像帧中该网络学习者的嘴巴的开合状态的判断结果计算网络学习者的嘴巴处于打哈欠状态持续时间;
步骤四,将获得的该网络学习者的嘴巴处于打哈欠状态持续时间与打哈欠持续时间阈值进行比较,获得疲劳检测结果。
6.如权利要求5所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤二中,通过求得上下嘴唇的距离大小来判断嘴巴的张开程度。
7.如权利要求6所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤二中,当嘴巴完全张开时,上下嘴唇距离最大,记为Hmmax,当上下嘴唇距离等于Hmmax时,为打哈欠状态,其他情况为正常状态。
8.如权利要求7所述的一种基于综合视频特征分析的疲劳检测方法,其特征在于:于步骤四中,当获得的该网络学习者的嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时,则判断该网络学习者处于疲劳状态,当获得的该网络学习者的嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时,则判断该网络学习者处于清醒状态。
9.一种基于综合视频特征分析的疲劳检测系统,至少包括:
图像帧获取及定位模块,利用摄像装置获取网络学习者的图像帧序列,并对各图像帧进行眼睛定位及嘴巴定位;
状态判断模块,根据各图像帧的定位结果判断该网络学习者的眼睛的开合状态及嘴巴的开合状态;
参数计算模块,根据该状态判断模块的眼睛的开合状态及嘴巴的开合状态的判断结果计算该网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间;
疲劳检测模块,将获得的网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间与眨眼频率阈值及打哈欠持续时间阈值进行比较,获得疲劳检测结果。
10.如权利要求9所述的一种基于综合视频特征分析的疲劳检测系统,其特征在于:当获得的该网络学习者的眨眼频率小于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时,则该疲劳检测模块判断该网络学习者处于疲劳状态;当获得的该网络学习者的眨眼频率大于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时,则该疲劳检测模块判断该网络学习者处于清醒状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310694771.0A CN103617421A (zh) | 2013-12-17 | 2013-12-17 | 基于综合视频特征分析的疲劳检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310694771.0A CN103617421A (zh) | 2013-12-17 | 2013-12-17 | 基于综合视频特征分析的疲劳检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103617421A true CN103617421A (zh) | 2014-03-05 |
Family
ID=50168124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310694771.0A Pending CN103617421A (zh) | 2013-12-17 | 2013-12-17 | 基于综合视频特征分析的疲劳检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617421A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408781A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 专注度考勤系统 |
CN104464002A (zh) * | 2014-12-04 | 2015-03-25 | 重庆晋才富熙科技有限公司 | 专注度考勤方法 |
WO2015158087A1 (zh) * | 2014-04-18 | 2015-10-22 | 中兴通讯股份有限公司 | 一种检测人眼健康状态的方法、装置及移动终端 |
CN105249976A (zh) * | 2015-11-26 | 2016-01-20 | 中山大学 | 一种基于头部监测的司机疲劳监测方法及系统 |
CN106778658A (zh) * | 2016-12-28 | 2017-05-31 | 辽宁师范大学 | 基于课堂场景及学习者视线分析学习者注意力的方法 |
CN107015497A (zh) * | 2017-01-10 | 2017-08-04 | 闽南师范大学 | 一种基于无线传输的学习者疲劳状态检测系统及方法 |
CN107358167A (zh) * | 2017-06-19 | 2017-11-17 | 西南科技大学 | 一种基于主动红外视频的打哈欠判别方法 |
CN108875642A (zh) * | 2018-06-21 | 2018-11-23 | 长安大学 | 一种多指标融合的驾驶员疲劳检测的方法 |
CN109497771A (zh) * | 2018-10-29 | 2019-03-22 | 安徽工程大学 | 一种智能座椅控制系统及方法 |
CN110119672A (zh) * | 2019-03-26 | 2019-08-13 | 湖北大学 | 一种嵌入式疲劳状态检测系统及方法 |
CN111985351A (zh) * | 2020-07-29 | 2020-11-24 | 浙江大学 | 一种基于眼动的疲劳检测方法 |
CN113885225A (zh) * | 2020-07-03 | 2022-01-04 | 威海北洋电气集团股份有限公司北京分公司 | 一种遮光装置及遮光度调节方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
US8077215B2 (en) * | 2007-04-13 | 2011-12-13 | Fujifilm Corporation | Apparatus for detecting blinking state of eye |
CN103020594A (zh) * | 2012-12-03 | 2013-04-03 | 清华大学苏州汽车研究院(吴江) | 利用在线学习消除驾驶人个体差异性的疲劳状态检测方法 |
CN103150870A (zh) * | 2013-02-04 | 2013-06-12 | 浙江捷尚视觉科技有限公司 | 一种基于视频的火车驾驶员疲劳检测方法 |
-
2013
- 2013-12-17 CN CN201310694771.0A patent/CN103617421A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
US8077215B2 (en) * | 2007-04-13 | 2011-12-13 | Fujifilm Corporation | Apparatus for detecting blinking state of eye |
CN103020594A (zh) * | 2012-12-03 | 2013-04-03 | 清华大学苏州汽车研究院(吴江) | 利用在线学习消除驾驶人个体差异性的疲劳状态检测方法 |
CN103150870A (zh) * | 2013-02-04 | 2013-06-12 | 浙江捷尚视觉科技有限公司 | 一种基于视频的火车驾驶员疲劳检测方法 |
Non-Patent Citations (1)
Title |
---|
彭慧玲: "网络学习疲劳检测中的人脸特征定位研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 31 January 2011 (2011-01-31), pages 138 - 1274 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015158087A1 (zh) * | 2014-04-18 | 2015-10-22 | 中兴通讯股份有限公司 | 一种检测人眼健康状态的方法、装置及移动终端 |
CN104408781A (zh) * | 2014-12-04 | 2015-03-11 | 重庆晋才富熙科技有限公司 | 专注度考勤系统 |
CN104464002A (zh) * | 2014-12-04 | 2015-03-25 | 重庆晋才富熙科技有限公司 | 专注度考勤方法 |
CN104408781B (zh) * | 2014-12-04 | 2017-04-05 | 重庆晋才富熙科技有限公司 | 专注度考勤系统 |
CN104464002B (zh) * | 2014-12-04 | 2017-04-19 | 重庆晋才富熙科技有限公司 | 专注度考勤方法 |
CN105249976A (zh) * | 2015-11-26 | 2016-01-20 | 中山大学 | 一种基于头部监测的司机疲劳监测方法及系统 |
CN106778658A (zh) * | 2016-12-28 | 2017-05-31 | 辽宁师范大学 | 基于课堂场景及学习者视线分析学习者注意力的方法 |
CN107015497A (zh) * | 2017-01-10 | 2017-08-04 | 闽南师范大学 | 一种基于无线传输的学习者疲劳状态检测系统及方法 |
CN107358167A (zh) * | 2017-06-19 | 2017-11-17 | 西南科技大学 | 一种基于主动红外视频的打哈欠判别方法 |
CN108875642A (zh) * | 2018-06-21 | 2018-11-23 | 长安大学 | 一种多指标融合的驾驶员疲劳检测的方法 |
CN109497771A (zh) * | 2018-10-29 | 2019-03-22 | 安徽工程大学 | 一种智能座椅控制系统及方法 |
CN110119672A (zh) * | 2019-03-26 | 2019-08-13 | 湖北大学 | 一种嵌入式疲劳状态检测系统及方法 |
CN113885225A (zh) * | 2020-07-03 | 2022-01-04 | 威海北洋电气集团股份有限公司北京分公司 | 一种遮光装置及遮光度调节方法 |
CN111985351A (zh) * | 2020-07-29 | 2020-11-24 | 浙江大学 | 一种基于眼动的疲劳检测方法 |
CN111985351B (zh) * | 2020-07-29 | 2022-08-05 | 浙江大学 | 一种基于眼动的疲劳检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617421A (zh) | 基于综合视频特征分析的疲劳检测方法及系统 | |
CN104637246B (zh) | 一种驾驶员多种行为预警系统及危险评估方法 | |
CN106228293A (zh) | 教学评估方法及系统 | |
CN110119672A (zh) | 一种嵌入式疲劳状态检测系统及方法 | |
CN105516280B (zh) | 一种多模态学习过程状态信息压缩记录方法 | |
CN105022929A (zh) | 一种人格特质值测验的认知准确度分析方法 | |
CN104688251A (zh) | 一种多姿态下的疲劳及非正常姿态驾驶检测方法 | |
CN103679591A (zh) | 一种远程学习状态监测系统及方法 | |
CN109523441A (zh) | 一种基于视频识别的教学管理方法和系统 | |
CN107133584A (zh) | 基于眼动跟踪的隐式意图识别分类方法 | |
CN106128032A (zh) | 一种疲劳状态监测及预警方法及其系统 | |
CN103479367A (zh) | 一种基于面部运动单元识别的驾驶员疲劳检测方法 | |
JP2023508339A (ja) | 欺まん検出のための眼球システム | |
CN109165630A (zh) | 一种基于二维人眼识别的疲劳监测方法 | |
Li et al. | Research on leamer's emotion recognition for intelligent education system | |
Alyuz et al. | An unobtrusive and multimodal approach for behavioral engagement detection of students | |
Ying et al. | The monitoring method of driver's fatigue based on neural network | |
Chukoskie et al. | Quantifying gaze behavior during real-world interactions using automated object, face, and fixation detection | |
CN109875583A (zh) | 一种基于ar技术的疲劳驾驶检测系统及方法 | |
CN115937928A (zh) | 基于多视觉特征融合的学习状态监测方法及系统 | |
CN104408781A (zh) | 专注度考勤系统 | |
CN107730834A (zh) | 一种基于姿态检测与图像识别相结合的抗疲劳智能穿戴设备 | |
Li et al. | Fatigue driving detection system based on face feature | |
CN106175657A (zh) | 一种视力自动检测系统 | |
CN110477927A (zh) | 一种主动眨眼检测方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140305 |