CN105249976A

CN105249976A - 一种基于头部监测的司机疲劳监测方法及系统

Info

Publication number: CN105249976A
Application number: CN201510837482.0A
Authority: CN
Inventors: 林谋广; 黄方维; 黄炜; 蒋一帆; 蔡水笔; 陈观潮
Original assignee: Sun Yat Sen University
Current assignee: Sun Yat Sen University
Priority date: 2015-11-26
Filing date: 2015-11-26
Publication date: 2016-01-20

Abstract

本发明公开了一种基于头部监测的司机疲劳监测方法及系统，其中，该方法包括：获取司机在驾驶车辆时的正面视频信息；根据所述视频消息，提取所述司机眼部特征信息、嘴部特征信息和头部晃动信息；根据所述眼部特征信息、所述嘴部特征信息和所述头部晃动信息判断所述司机是否疲劳驾驶；若判断结果为是时，则获取所述司机的疲劳度，根据所述疲劳度与车速采取不同的对应措施；若判断结果为否时，则返回获取视频信息。本发明实施例，能快速准确的发现司机是否存在疲劳驾驶，并对疲劳驾驶的车辆和司机采取相对的对应措施，有效的提高了司机的驾驶安全度。

Description

一种基于头部监测的司机疲劳监测方法及系统

技术领域

本发明涉及安全监控技术领域，尤其涉及一种基于头部监测的司机疲劳监测方法及系统。

背景技术

随着汽车运输行业的快速发展，汽车运输行业的竞争压力也逐步增大，许多运输企业和个人为了追更高的利润，常常会超载和疲劳驾驶；超载和疲劳驾驶往往是重大交通事故的罪魁祸首，如何快速及时的检测到司机的疲劳状态已经成为现代汽车安全驾驶领域的重点。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种基于头部监测的司机疲劳监测方法及系统，用于快速准确的发现司机是否存在疲劳驾驶，并对疲劳驾驶的车辆和司机采取相对的对应措施，有效的提高了司机的驾驶安全度。

为了解决上述技术问题，本发明提供了一种基于头部监测的司机疲劳监测方法，所述方法包括：

获取司机在驾驶车辆时的正面视频信息；

根据所述视频消息，提取所述司机眼部特征信息、嘴部特征信息和头部晃动信息；

根据所述眼部特征信息、所述嘴部特征信息和所述头部晃动信息判断所述司机是否疲劳驾驶；

若判断结果为是时，则获取所述司机的疲劳度，根据所述疲劳度与车速采取不同的对应措施；

若判断结果为否时，则返回获取视频信息。

优选地，所述获取司机在驾驶车辆时的正面视频信息，包括：

在所述司机正前方安装摄像头；

通过所述摄像头对所述司机正面进行实时视频信息拍摄，获取所述司机在驾驶车辆时的正面视频信息。

优选地，所述眼部特征信息包括眼部张开度信息和眨眼频率信息；

所述嘴部特征信息包括嘴部张开度和嘴部开合的频率；

所述头部晃动信息包括头部倾斜角度和头部摇晃频率。

优选地，所述获取所述司机的疲劳度，包括：

对所述眼部特征信息、所述嘴部特征信息和所述头部晃动信息进行综合加权处理，获取处理结果；

根据所述处理结果与疲劳度阈值相比较，获取所述司机的度

优选地，所述对应措施包括语音警告、控制车辆和上报控制指挥中心。

本发明还提供了一种基于头部监测的司机疲劳监测系统，所述系统包括：

信息获取模块：用于获取司机在驾驶车辆时的正面视频信息；

信息提取模块：用于根据所述视频消息，提取所述司机眼部特征信息、嘴部特征信息和头部晃动信息；

判断模块：用于根据所述眼部特征信息、所述嘴部特征信息和所述头部晃动信息判断所述司机是否疲劳驾驶；

应对模块：用于若判断结果为是时，则获取所述司机的疲劳度，根据所述疲劳度与车速采取不同的对应措施；若判断结果为否时，则返回获取视频信息。

优选地，信息获取模块包括：

设备单元：用于在所述司机正前方安装摄像头；

信息获取单元：用于通过所述摄像头对所述司机正面进行实时视频信息拍摄，获取所述司机在驾驶车辆时的正面视频信息。

所述嘴部特征信息包括嘴部张开度和嘴部开合的频率；

所述头部晃动信息包括头部倾斜角度和头部摇晃频率。

优选地，所述获取所述司机的疲劳度，包括：

根据所述处理结果与疲劳度阈值相比较，获取所述司机的度

优选地，其特征在于，所述对应措施包括语音警告、控制车辆和上报控制指挥中心。

本实施例中，通过摄像头对驾驶员进行实时的眼部、嘴部、头部的状态检测识别，综合判断其是否处于疲劳状态，并在确定其为疲劳驾驶的情况下采取对应措施，经济而有效地对司机进行疲劳检测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例中的司机疲劳监测方法的流程示意图；

图2是本发明实施例中的司机疲劳监测系统的结构组成示意图。

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作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。

本发明实施例提供了一种基于头部监测的司机疲劳监测方法，获取司机在驾驶车辆时的正面视频信息；根据视频消息，提取司机眼部特征信息、嘴部特征信息和头部晃动信息；根据眼部特征信息、嘴部特征信息和头部晃动信息判断司机是否疲劳驾驶；若判断结果为是时，则获取司机的疲劳度，根据疲劳度与车速采取不同的对应措施；若判断结果为否时，则返回获取视频信息。

现有技术都是通过眼部来判断司机的疲劳情况，然而很多时候当眼部出现疲劳情况的时候，司机已经处于相对疲劳的状态下了，这时候较容易发生严重的交通事故。

图1是本发明实施例中的司机疲劳监测方法的流程示意图，如图1所示，该方面包括：

S11：获取司机在驾驶车辆时的正面视频信息；

S12：根据视频消息，提取司机眼部特征信息、嘴部特征信息和头部晃动信息；

S13：根据眼部特征信息、嘴部特征信息和头部晃动信息判断司机是否疲劳驾驶；

S14：若判断结果为是时，则获取司机的疲劳度，根据疲劳度与车速采取不同的对应措施；若判断结果为否时，则返回S11。

对S11作进一步说明：

通过在驾驶位的正前方安装摄像头，通过该摄像头对司机正面进行实时视频信息拍摄，获取司机在驾驶车辆时的正面视频信息。

对S12作进一步说明：

对获取到的视频信息进行处理，提成视频信息中的帧，通过这些视频帧，提取司机眼部特征信息、嘴部特征信息和头部晃动信息；其中，眼部特征信息包括眼部张开信息和眨眼频率信息，嘴部特征信息包括嘴部张开度和嘴部开合的频率，头部晃动信息包括头部倾斜角度和头部摇晃频率。

其中，通过视频帧图片进行降噪处理，采用几何特征提取的方法，准确获取司机双眼的上下眼皮的准确位置和嘴部上下嘴唇的位置，通过上下眼皮的位置关系，获取眼张开度和通过上下嘴唇的位置确定嘴部张开度；通过以司机的头部构建坐标系，通过获取视频中司机偏离竖直坐标轴视频帧，对这些视频帧进行降噪处理，采用几何特征提取的方法，获取司机头部偏离竖直坐标轴的偏离度。

对S13作进一步说明：

首先获取司机正常状态下的眼部特征信息、嘴部特征信息和头部晃动信息，其中包括司机正常状态下的眼部张开度信息和眨眼频率信息，获取眼张开度为：

h = \frac{L}{L_{\max}}

H_{1} = \frac{{&Integral;}_{t - T}^{t} h}{T}

其中，H₁为正常情况下的人眼的平均张开度，t为时间，T为周期，本实施例T＝5s，h为人眼张开度，L为任何情况下人的上眼睑的中点到下眼睑的中点的距离，L_max为正常情况下人眼上下眼睑中点的最大距离；μ₁为眨眼频率(次/min)，正常情况下，人的眨眼频率在12次/min，当眨眼频率达到15次/min以上时，是为疲劳状态。

其中包括司机正常状态下的嘴部张开度和嘴部开合的频率，获取正常状态下的嘴部张开度：

H_{2} = \frac{I}{I_{\max}}

其中，I为任何情况下人的上嘴唇的中点到下嘴唇的中点的距离，I_max为正常情况下人眼上下嘴唇中点的最大距离，当张开度大于50％时，则认为是打哈欠，有疲劳的征兆；μ₂为嘴部张合的频率(次/min)，人在精神正常的情况下，不会打哈欠也就是嘴部张合为0次/min，出现嘴部张合行为则认定有疲劳征兆。

其中包括司机正常状态下的头部倾斜度和头部摇晃频率，α为任何情况下的头部倾斜度，正常坐姿倾斜度为0^O，当倾斜度α＞30^O时，认为是疲劳状态的表现；μ₃为头部摇晃频率(次/min)，正常驾驶情况下，司机头部不会摇晃，即为0次/min，当出现摇晃且α＞30^O时，则认为是疲劳状态的表现。

通过模型来判断司机是否疲劳驾驶，该模型如下：

Q = P_{1} a \frac{μ_{1}}{H_{1}} + P_{2} {bμ}_{2} + P_{3} {cμ}_{3} α;

其中，Q是模型值，P₁、P₂、P₃分别为眼部、嘴部和头部项的权值，且P₁+P₂+P₃＝1，a、b、c分别为眼部、嘴部和头部项的系数，系数需要根据实际情况而设定，H₁为正常情况下的人眼的平均张开度，μ₁为眨眼频率(次/min)，μ₂为嘴部张合的频率(次/min)，α为任何情况下的头部倾斜度，μ₃为头部摇晃频率(次/min)。

根据Q结果来判断司机是否是疲劳驾驶，当Q>1的时候，认为是疲劳驾驶。

对S14作进一步说明：

当认定为疲劳驾驶的时候，通过危险模型，获取汽车的危险系数，模型如下：

d＝P·e^mv

其中，d为汽车的危险系数，P为司机的疲劳度，v为汽车的速度，m为速度的系数。

当认定为疲劳驾驶时，对司机进行语音警告并上报控制指挥中心进行核实监督；同时获取汽车的危险系数d，如果d大于阈值(根据不同的车辆情况而设定)，则控制车辆强制减速和在应急车道上停车休息。

另外，本发明实施例还提供了一种基于头部监测的司机疲劳监测系统，如图2所示，该系统包括：

信息提取模块：用于根据视频消息，提取司机眼部特征信息、嘴部特征信息和头部晃动信息；

判断模块：用于根据眼部特征信息、嘴部特征信息和头部晃动信息判断司机是否疲劳驾驶；

应对模块：用于若判断结果为是时，则获取司机的疲劳度，根据疲劳度与车速采取不同的对应措施；若判断结果为否时，则返回获取视频信息。

优选地，信息获取模块包括：

设备单元：用于在司机正前方安装摄像头；

信息获取单元：用于通过摄像头对司机正面进行实时视频信息拍摄，获取司机在驾驶车辆时的正面视频信息。

优选地，眼部特征信息包括眼部张开信息和眨眼频率信息；

嘴部特征信息包括嘴部张开度和嘴部开合的频率；

头部晃动信息包括头部倾斜角度和头部摇晃频率。

优选地，获取司机的疲劳度，包括：

对眼部特征信息、嘴部特征信息和头部晃动信息进行综合加权处理，获取处理结果；

根据处理结果与疲劳度阈值相比较，获取司机的度

优选地，对应措施包括语音警告、控制车辆和上报控制指挥中心。

具体地，本发明实施例的系统相关功能模块的工作原理可参见方法实施例的相关描述，这里不再赘述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的一种基于头部监测的司机疲劳监测方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种基于头部监测的司机疲劳监测方法，其特征在于，所述方法包括：

获取司机在驾驶车辆时的正面视频信息；

若判断结果为否时，则返回获取视频信息。

2.根据权利要求1所述的司机疲劳监测方法，其特征在于，所述获取司机在驾驶车辆时的正面视频信息，包括：

在所述司机正前方安装摄像头；

3.根据权利要求1所述的司机疲劳监测方法，其特征在于，所述眼部特征信息包括眼部张开度信息和眨眼频率信息；

所述嘴部特征信息包括嘴部张开度和嘴部开合的频率；

所述头部晃动信息包括头部倾斜度和头部摇晃频率。

4.根据权利要求1所述的司机疲劳监测方法，其特征在于，所述获取所述司机的疲劳度，包括：

根据所述处理结果与疲劳度阈值相比较，获取所述司机的度。

5.根据权利要求1所述的司机疲劳监测方法，其特征在于，所述对应措施包括语音警告、控制车辆和上报控制指挥中心。

6.一种基于头部监测的司机疲劳监测系统，其特征在于，所述系统包括：

7.根据要求6所述的司机疲劳监测系统，其特征在于，所述信息获取模块包括：

设备单元：用于在所述司机正前方安装摄像头；

8.根据权利要求6所述的司机疲劳监测系统，其特征在于，所述眼部特征信息包括眼部张开度信息和眨眼频率信息；

所述嘴部特征信息包括嘴部张开度和嘴部开合的频率；

所述头部晃动信息包括头部倾斜角度和头部摇晃频率。

9.根据权利要求6所述的司机疲劳监测系统，其特征在于，所述获取所述司机的疲劳度，包括：

10.根据权利要求6所述的司机疲劳监测系统，其特征在于，所述对应措施包括语音警告、控制车辆和上报控制指挥中心。