CN104616437A - 一种车载的疲劳识别系统和方法 - Google Patents
一种车载的疲劳识别系统和方法 Download PDFInfo
- Publication number
- CN104616437A CN104616437A CN201510089307.8A CN201510089307A CN104616437A CN 104616437 A CN104616437 A CN 104616437A CN 201510089307 A CN201510089307 A CN 201510089307A CN 104616437 A CN104616437 A CN 104616437A
- Authority
- CN
- China
- Prior art keywords
- feature
- eye
- image
- mouth
- 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
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种车载的疲劳识别系统和方法，该系统挂载在车内并包括：图像采集装置，用于采集驾驶员的面部特征，将采集的面部特征发送给FPGA图像处理装置；FPGA图像处理装置，用于对接收到的面部特征进行图像处理和图像特征提取，根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，启动疲劳预警装置；疲劳预警装置，用于提供疲劳报警信号；其中，所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。本方案能够自动实现驾驶员是否处于疲劳状态。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种车载的疲劳识别系统和方法。
背景技术
近年来随着我国经济的不断发展，汽车的保有量逐年增加，尤其是私家车的增长速度越来越快。随着汽车数量的不断增加，行车安全问题也越来越被人们所重视。其中对行车安全危害最为严重的就是疲劳驾驶行为。
如何检测驾驶员是否处于疲劳状态，从而避免疲劳驾驶行为，是目前消费者非常关心的问题之一，同时也是行车安全的重要保障。
发明内容
本发明提供一种车载的疲劳识别系统和方法，能够自动识别驾驶员的疲劳状态。
一种车载的疲劳识别系统，挂载在车内，包括：
图像采集装置，用于采集驾驶员的面部特征，将采集的面部特征发送给FPGA图像处理装置；
FPGA图像处理装置，用于对接收到的面部特征进行图像处理和图像特征提取，根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，启动疲劳预警装置；
疲劳预警装置，用于提供疲劳报警信号；
其中，所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
所述面部特征包括眼部特征；所述FPGA图像处理装置包括：
FPGA眼部特征处理单元，用于对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果；
和/或，
所述面部特征包括头部定位特征；所述FPGA图像处理装置包括：
FPGA头部定位特征处理单元，用于对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果；
和/或，
所述面部特征包括嘴部特征，所述FPGA图像处理装置包括：
FPGA嘴部特征处理单元，用于对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。
所述FPGA眼部特征处理单元采用LBP算子对接收到的眼部特征进行提取，并采用svm分类器将降采样后的眼部特征进行数学上的归类；
所述FPGA头部定位特征处理单元，用于进行Gabor滤波；
所述FPGA嘴部特征处理单元，用于进行Gabor滤波。
所述FPGA图像处理装置包括：
FPGA疲劳状态识别单元，用于根据所述第一结果，第二结果和第三结果中的一个或多个判断驾驶员当前是否处于疲劳状态。
所述图像采集装置包括：摄像头，CMOS图像传感器和图像采集电路；其中，所述摄像头的高度和角度可调节。
该系统进一步包括：近红外LED照明电路，用于自动感知周围光强，并在周围光强小于预定值时，提供光照，且所述近红外LED照明电路的高度和角度可调节。
该系统进一步包括：USB供电电路，用于挂载在汽车的USB接口上，并为所述系统提供电源。
一种车载的疲劳识别方法，包括：
采集驾驶员的面部特征；
对采集到的面部特征进行图像处理和图像特征提取；
根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，提供疲劳报警信号；其中，
所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
所述面部特征包括眼部特征；所述对采集到的面部特征进行图像处理和图像特征提取包括：对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果；
和/或，
所述面部特征包括头部定位特征；所述对采集到的面部特征进行图像处理和图像特征提取包括：对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果；
和/或，
所述面部特征包括嘴部特征，所述对采集到的面部特征进行图像处理和图像特征提取包括：对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。
其中，所述根据特征提取的结果判断驾驶员当前是否处于疲劳状态包括：根据所述第一结果，第二结果和第三结果中的一个或多个判断驾驶员当前是否处于疲劳状态。
可见，本发明实施例提供的车载的疲劳识别系统和方法，能够自动采集驾驶员的面部特征，并对采集到的面部特征进行特征提取和处理，从而能够判断出当前驾驶员是否处于疲劳状态，并在疲劳时报警。
本发明实施例能够基于驾驶员的眼部特征，头部定位特征和嘴部特征进行特征提取，进行诸如使边缘更清晰的处理，并基于这些具体的能够清晰反映出驾驶员是否疲劳的特征进行疲劳判断，所以能够使得判断的结果更为准确。
附图说明
图1是本发明一个实施例中车载的疲劳识别系统的结构示意图。
图2是本发明另一个实施例中车载的疲劳识别系统的结构示意图。
图3是本发明一个实施例中车载的疲劳识别方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明一个实施例提出了一种车载的疲劳识别系统，挂载在车内，参见图1，包括：
图像采集装置101，用于采集驾驶员的面部特征，将采集的面部特征发送给FPGA图像处理装置102；
FPGA图像处理装置102，用于对接收到的面部特征进行图像处理和图像特征提取，根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，启动疲劳预警装置103；
疲劳预警装置103，用于提供疲劳报警信号；
其中，所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
在本发明一个实施例中，可以基于眼部特征来识别驾驶员是否疲劳。其具体的实现包括：
所述面部特征包括眼部特征；所述FPGA图像处理装置102包括：
FPGA眼部特征处理单元，用于对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果。之后，则可以基于该第一结果最终得出驾驶员是否疲劳，以便决定是否启动疲劳预警装置103。
在本发明一个实施例中，也可以基于头部定位特征来识别驾驶员是否疲劳。其具体实现包括：
所述面部特征包括头部定位特征；所述FPGA图像处理装置102包括：
FPGA头部定位特征处理单元，用于对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果。之后，则可以基于该第二结果最终得出驾驶员是否疲劳，以便决定是否启动疲劳预警装置103。
在本发明一个实施例中，也可以基于嘴部特征来识别驾驶员是否疲劳。其具体的实现包括：
所述面部特征包括嘴部特征，所述FPGA图像处理装置102包括：
FPGA嘴部特征处理单元，用于对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。之后，则可以基于该第二结果最终得出驾驶员是否疲劳，以便决定是否启动疲劳预警装置103。
在本发明的一个实施例中，也可以综合考虑上述的第一结果，第二结果和第三结果中的任意两个或三个来最终判断和识别出驾驶员是否疲劳。
在本发明的一个实施例中，如果判断出驾驶员不处于疲劳状态，则继续保持监测。
在本发明的一个实施例中，所述FPGA眼部特征处理单元可以采用局部二值模式(LBP，Local Binary Patterns)算子执行所述的对接收到的眼部特征进行提取，并采用svm分类器执行所述的将降采样后的眼部特征进行数学上的归类。
在本发明一个实施例中，所述FPGA头部定位特征处理单元，进行的是Gabor滤波。
在本发明一个实施例中，所述FPGA嘴部特征处理单元进行的可以是Gabor滤波。
参见图2，本发明一个实施例中，车载的疲劳识别系统包括FPGA图像处理装置202和疲劳预警装置203，并且，图像采集装置具体包括：摄像镜头2011，CMOS图像传感器2012和图像采集电路2013；其中，所述摄像镜头2011的高度和角度可调节，以便使得摄像镜头能够对准驾驶员的面部，从而准确采集到驾驶员的面部特征。
仍然参见图2，在本发明一个实施例中，该系统进一步包括：近红外LED照明电路204，用于自动感知周围光强，并在周围光强小于预定值时，提供光照，且所述近红外LED照明电路的高度和角度可调节。比如，近红外LED照明电路204中可以包括光敏电阻，从而对周围的光照条件进行感应。
仍然参见图2，在本发明一个实施例中，该系统进一步包括：USB供电电路205，用于挂载在汽车的USB接口上，并为所述系统提供电源。比如，参见图2，在本发明一个实施例中，该USB供电电路205与系统中除摄像镜头之外的每个功能单元相连，以便供电。
参见图2，在本发明一个实施例中，利用车载的疲劳识别系统的工作过程包括：
将USB供电电路205插入到汽车所配备的USB接口之上，为疲劳识别系统提供电源。将摄像镜头2011与近红外LED照明电路204对准驾驶位的头部位置，具体角度需要根据不同的身高自行调整。设置好角度后，驾驶员启动疲劳识别系统电源，系统开始工作。通过摄像镜头2011采集驾驶员面部特征，通过CMOS图像传感器2012与图像采集电路2013送往FPGA图像处理装置202进行图像处理与图像特征提取，特征提取的结果若符合人体疲劳特征则启动疲劳预警装置203，发出声响提醒驾驶员已处于疲劳驾驶状态。
本发明一个实施例还提出了一种车载的疲劳识别方法，参见图3，包括：
步骤301：采集驾驶员的面部特征；
步骤302：对采集到的面部特征进行图像处理和图像特征提取；
步骤303：根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，提供疲劳报警信号；其中，
所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
在本发明一个实施例中，所述面部特征包括眼部特征；则步骤302具体可以包括：对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果；
在本发明一个实施例中，所述面部特征包括头部定位特征；则步骤302可以包括：对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果；
在本发明一个实施例中，所述面部特征包括嘴部特征，则步骤302包括：对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。
基于上述步骤302的实现方式，在本发明一个实施例中，步骤303中，根据特征提取的结果判断驾驶员当前是否处于疲劳状态包括：根据所述第一结果，第二结果和第三结果中的一个或多个判断驾驶员当前是否处于疲劳状态。
本发明实施例至少具有如下的有益效果：
1、能够自动采集驾驶员的面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个，并对采集到的面部特征进行特征提取和处理，从而能够判断出当前驾驶员是否处于疲劳状态，并在疲劳时报警。
2、能够基于驾驶员的眼部特征，头部定位特征和嘴部特征中的一个或多个进行特征提取，进行诸如使边缘更清晰的处理，并基于这些具体的能够清晰反映出驾驶员是否疲劳的特征进行疲劳判断，所以能够使得判断的结果更为准确。
3、能够在不改变汽车配置的前提下，通过外挂的方式，有效的识别驾驶人员的疲劳程度，保障行车安全。
4、采用FPGA作为核心的图像处理单元，将图像编解码与图像特征提取集中在一块FPGA芯片之上，较之原来的技术，性能明显提升，处理速度快，精度高
5、可以利用近红外LED照明电路，这样可以根据光照条件自动补偿照明度，以达到在不同的光照条件下如夜间，均可清晰采集到图像的效果。
6、可以使用USB供电电路进行供电，可方便的挂载到现有的汽车接口之上，有良好的扩展性。
7、系统设计精巧，技术先进，使用方便简单，具有广阔的应用前景。
需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个······”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (10)
1.一种车载的疲劳识别系统，其特征在于，挂载在车内，包括：
图像采集装置，用于采集驾驶员的面部特征，将采集的面部特征发送给FPGA图像处理装置；
FPGA图像处理装置，用于对接收到的面部特征进行图像处理和图像特征提取，根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，启动疲劳预警装置；
疲劳预警装置，用于提供疲劳报警信号；
其中，所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
2.根据权利要求1所述的系统，其特征在于，
所述面部特征包括眼部特征；所述FPGA图像处理装置包括：
FPGA眼部特征处理单元，用于对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果；
和/或，
所述面部特征包括头部定位特征；所述FPGA图像处理装置包括：
FPGA头部定位特征处理单元，用于对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果；
和/或，
所述面部特征包括嘴部特征，所述FPGA图像处理装置包括：
FPGA嘴部特征处理单元，用于对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。
3.根据权利要求2所述的系统，其特征在于，所述FPGA眼部特征处理单元采用LBP算子对接收到的眼部特征进行提取，并采用svm分类器将降采样后的眼部特征进行数学上的归类；
所述FPGA头部定位特征处理单元，用于进行Gabor滤波；
所述FPGA嘴部特征处理单元，用于进行Gabor滤波。
4.根据权利要求2或3所述的系统，其特征在于，所述FPGA图像处理装置包括：
FPGA疲劳状态识别单元，用于根据所述第一结果，第二结果和第三结果中的一个或多个判断驾驶员当前是否处于疲劳状态。
5.根据权利要求1至4中任一所述的系统，其特征在于，所述图像采集装置包括：摄像镜头，CMOS图像传感器和图像采集电路；其中，所述摄像头的高度和角度可调节。
6.根据权利要求1至4中任一所述的系统，其特征在于，该系统进一步包括：近红外LED照明电路，用于自动感知周围光强，并在周围光强小于预定值时，提供光照，且所述近红外LED照明电路的高度和角度可调节。
7.根据权利要求1至4中任一所述的系统，其特征在于，该系统进一步包括：USB供电电路，用于挂载在汽车的USB接口上，并为所述系统提供电源。
8.一种车载的疲劳识别方法，其特征在于，包括：
采集驾驶员的面部特征；
对采集到的面部特征进行图像处理和图像特征提取；
根据特征提取的结果判断驾驶员当前是否处于疲劳状态，如果是，提供疲劳报警信号；其中，
所述面部特征包括眼部特征，头部定位特征和嘴部特征中的一个或多个。
9.根据权利要求8所述的方法，其特征在于，
所述面部特征包括眼部特征；所述对采集到的面部特征进行图像处理和图像特征提取包括：对接收到的眼部特征进行提取，得到包括眼部边缘的灰度、眼部边缘与眼部中心的距离在内的眼部特征；将得到的眼部特征样本经过两次降采样；将降采样后的眼部特征进行数学上的归类，判断每一类的特征对应睁眼状态还是闭眼状态；根据睁眼状态和闭眼状态输出眨眼的频率和闭眼的频率；根据该眨眼的频率和闭眼的频率得出驾驶员是否疲劳的第一结果；
和/或，
所述面部特征包括头部定位特征；所述对采集到的面部特征进行图像处理和图像特征提取包括：FPGA头部定位特征处理单元，用于对接收到的头部定位特征进行滤波，对滤波后的特征进行图像增强，使得其中的眼部边缘特征更加清晰；利用面部几何关系对眼部坐标进行粗略定位，然后进行二值化处理，得到包含眼睛，部分眉毛和部分鼻子特征的二值图像；利用二值化图像，进行连通域计算，精确定位眼部位置；根据眼部位置的变化，判断头部上下摆幅；根据头部摆幅，得出驾驶员是否疲劳的第二结果；
和/或，
所述面部特征包括嘴部特征，所述对采集到的面部特征进行图像处理和图像特征提取包括：FPGA嘴部特征处理单元，用于对接收到的嘴部特征进行滤波；对滤波后的图像进行图像增强，使得嘴部边缘更加清晰；利用面部几何关系对嘴部坐标进行粗略定位；然后进行二值化处理，所得的二值图像包含部分鼻子，嘴部和部分下巴信息；根据定位到的嘴部状态，进行嘴部面积判断；若大于设定阈值，则为打哈欠状态，输出打哈欠的频率；根据打哈欠的频率，得出驾驶员是否疲劳的第三结果。
10.根据权利要求9所述的方法，其特征在于，
所述根据特征提取的结果判断驾驶员当前是否处于疲劳状态包括：根据所述第一结果，第二结果和第三结果中的一个或多个判断驾驶员当前是否处于疲劳状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510089307.8A CN104616437A (zh) | 2015-02-27 | 2015-02-27 | 一种车载的疲劳识别系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510089307.8A CN104616437A (zh) | 2015-02-27 | 2015-02-27 | 一种车载的疲劳识别系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104616437A true CN104616437A (zh) | 2015-05-13 |
Family
ID=53150869
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510089307.8A Pending CN104616437A (zh) | 2015-02-27 | 2015-02-27 | 一种车载的疲劳识别系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104616437A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632104A (zh) * | 2016-03-18 | 2016-06-01 | 内蒙古大学 | 一种疲劳驾驶检测系统和方法 |
| CN106774929A (zh) * | 2016-12-30 | 2017-05-31 | 维沃移动通信有限公司 | 一种虚拟现实终端的显示处理方法和虚拟现实终端 |
| CN108229245A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于面部视频特征的疲劳驾驶检测方法 |
| CN108701214A (zh) * | 2017-12-25 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 图像数据处理方法、装置及设备 |
| CN109568766A (zh) * | 2019-01-30 | 2019-04-05 | 浙江强脑科技有限公司 | 音频播放方法、装置及计算机可读存储介质 |
| CN110210445A (zh) * | 2019-06-12 | 2019-09-06 | 广东工业大学 | 一种目标对象的疲劳状态检测方法、装置、设备及介质 |
| WO2020062969A1 (zh) * | 2018-09-27 | 2020-04-02 | 北京市商汤科技开发有限公司 | 动作识别方法及装置、驾驶员状态分析方法及装置 |
| CN110956781A (zh) * | 2019-11-28 | 2020-04-03 | 同济大学 | 一种基于视频分析的疲劳驾驶监测系统 |
| CN111540208A (zh) * | 2020-05-12 | 2020-08-14 | 济南浪潮高新科技投资发展有限公司 | 一种基于区块链技术的防无证驾驶及疲劳驾驶的方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0961506A1 (en) * | 1998-05-20 | 1999-12-01 | Texas Instruments France | Autostereoscopic display |
| US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
| CN1936988A (zh) * | 2006-09-01 | 2007-03-28 | 王焕一 | 驾驶员瞌睡报警记录的方法及装置 |
| CN102073857A (zh) * | 2011-01-24 | 2011-05-25 | 沈阳工业大学 | 多模态驾驶员疲劳检测方法及其专用设备 |
| CN102436715A (zh) * | 2011-11-25 | 2012-05-02 | 大连海创高科信息技术有限公司 | 疲劳驾驶检测方法 |
| CN102622600A (zh) * | 2012-02-02 | 2012-08-01 | 西南交通大学 | 基于面像与眼动分析的高速列车驾驶员警觉度检测方法 |
| CN102752458A (zh) * | 2012-07-19 | 2012-10-24 | 北京理工大学 | 一种驾驶员疲劳检测手机与检测单元 |
| CN103839379A (zh) * | 2014-02-27 | 2014-06-04 | 长城汽车股份有限公司 | 汽车及用于其的驾驶员疲劳预警检测方法和系统 |
-
2015
- 2015-02-27 CN CN201510089307.8A patent/CN104616437A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0961506A1 (en) * | 1998-05-20 | 1999-12-01 | Texas Instruments France | Autostereoscopic display |
| US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
| CN1936988A (zh) * | 2006-09-01 | 2007-03-28 | 王焕一 | 驾驶员瞌睡报警记录的方法及装置 |
| CN102073857A (zh) * | 2011-01-24 | 2011-05-25 | 沈阳工业大学 | 多模态驾驶员疲劳检测方法及其专用设备 |
| CN102436715A (zh) * | 2011-11-25 | 2012-05-02 | 大连海创高科信息技术有限公司 | 疲劳驾驶检测方法 |
| CN102622600A (zh) * | 2012-02-02 | 2012-08-01 | 西南交通大学 | 基于面像与眼动分析的高速列车驾驶员警觉度检测方法 |
| CN102752458A (zh) * | 2012-07-19 | 2012-10-24 | 北京理工大学 | 一种驾驶员疲劳检测手机与检测单元 |
| CN103839379A (zh) * | 2014-02-27 | 2014-06-04 | 长城汽车股份有限公司 | 汽车及用于其的驾驶员疲劳预警检测方法和系统 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105632104A (zh) * | 2016-03-18 | 2016-06-01 | 内蒙古大学 | 一种疲劳驾驶检测系统和方法 |
| CN105632104B (zh) * | 2016-03-18 | 2019-03-01 | 内蒙古大学 | 一种疲劳驾驶检测系统和方法 |
| CN108229245A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 基于面部视频特征的疲劳驾驶检测方法 |
| CN106774929A (zh) * | 2016-12-30 | 2017-05-31 | 维沃移动通信有限公司 | 一种虚拟现实终端的显示处理方法和虚拟现实终端 |
| CN106774929B (zh) * | 2016-12-30 | 2020-04-03 | 维沃移动通信有限公司 | 一种虚拟现实终端的显示处理方法和虚拟现实终端 |
| CN108701214A (zh) * | 2017-12-25 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 图像数据处理方法、装置及设备 |
| WO2020062969A1 (zh) * | 2018-09-27 | 2020-04-02 | 北京市商汤科技开发有限公司 | 动作识别方法及装置、驾驶员状态分析方法及装置 |
| CN109568766A (zh) * | 2019-01-30 | 2019-04-05 | 浙江强脑科技有限公司 | 音频播放方法、装置及计算机可读存储介质 |
| CN110210445A (zh) * | 2019-06-12 | 2019-09-06 | 广东工业大学 | 一种目标对象的疲劳状态检测方法、装置、设备及介质 |
| CN110956781A (zh) * | 2019-11-28 | 2020-04-03 | 同济大学 | 一种基于视频分析的疲劳驾驶监测系统 |
| CN111540208A (zh) * | 2020-05-12 | 2020-08-14 | 济南浪潮高新科技投资发展有限公司 | 一种基于区块链技术的防无证驾驶及疲劳驾驶的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104616437A (zh) | 一种车载的疲劳识别系统和方法 | |
| CN104183091B (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
| CN102263937B (zh) | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 | |
| CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
| CN104751600B (zh) | 基于虹膜识别的防疲劳驾驶安全设备及其使用方法 | |
| CN104297255B (zh) | 一种纸杯缺陷视觉检测方法及系统装置 | |
| CN108345822A (zh) | 一种点云数据处理方法及装置 | |
| CN102426757A (zh) | 基于模式识别的安全驾驶监控系统和方法 | |
| CN105894735B (zh) | 一种智能化车载疲劳监测系统及方法 | |
| CN104318237A (zh) | 基于人脸识别的疲劳驾驶预警方法 | |
| CN104794855A (zh) | 驾驶员注意力综合评估装置 | |
| CN104228838A (zh) | 一种防止疲劳驾驶的预警系统及其方法 | |
| CN107595307A (zh) | 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 | |
| CN203332106U (zh) | 基于单目视觉的汽车预警防撞系统 | |
| CN103340637A (zh) | 基于眼动与脑电融合的驾驶员警觉度智能监控系统及方法 | |
| CN106203499A (zh) | 一种基于深度cnn的安全带检测方法 | |
| CN109278758B (zh) | 一种基于智能手机的智能车个性化驾驶学习系统 | |
| CN106467057B (zh) | 车道偏离预警的方法、装置及系统 | |
| CN202084185U (zh) | 一种交通标志自动识别装置 | |
| CN104134360A (zh) | 基于短程通信的路口行人识别安全控制系统及方法 | |
| CN104794856A (zh) | 驾驶员注意力综合测评系统 | |
| CN103198616A (zh) | 基于驾驶员头颈移动特征识别的疲劳驾驶检测方法与系统 | |
| CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
| CN205541425U (zh) | 一种基于车牌号码的实名认证违章查处系统 | |
| CN103700220A (zh) | 一种疲劳驾驶监控装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |