CN107595307A - 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 - Google Patents
基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 Download PDFInfo
- Publication number
- CN107595307A CN107595307A CN201710993684.3A CN201710993684A CN107595307A CN 107595307 A CN107595307 A CN 107595307A CN 201710993684 A CN201710993684 A CN 201710993684A CN 107595307 A CN107595307 A CN 107595307A
- Authority
- CN
- China
- Prior art keywords
- human eye
- eye
- fatigue
- image
- feature
- 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.)
- Withdrawn
Links
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种基于机器视觉人眼识别的疲劳驾驶检测方法,包括以下步骤:对捕获的图像中的人脸进行捕捉,再对人眼进行实时跟踪定位,得到人眼图像;对人眼图像进行图像处理;对人眼感兴趣区域进行眼部特征提取,眼部特征分为人眼高度特征和人眼眨眼频率特征;获取清醒状态下的人眼特征,然后根据获得的人眼高度特征和人眼眨眼频率特征进行特征融合,判断疲劳程度;进行疲劳程度的警报。本发明通过对用户的眼部特征提取,计算检测周期内的PERCLOS,再与制定PERCLOS进行比较,根据比较结果来区分不同疲劳程度,从而实现轻度疲劳和重度疲劳两种不同疲劳程度的提醒。本发明还公开了一种基于机器视觉人眼识别的疲劳驾驶检测装置。
Description
技术领域
本发明涉及一种疲劳驾驶检测装置,特别涉及一种基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法。
背景技术
据不完全统计,全世界每年因疲劳驾驶导致的交通事故至少有10万起,造成的直接经济损失高达125亿美元。面对这么严峻的社会现实,国内外也对此做了一些研究,关于检测技术主要有五个方面,分别是基于生理信号、身体反应、操控行为、车辆行为以及信息融合。
基于生理信号的疲劳检测方法,通常需要驾驶者佩戴相应的装置(电极片、脑电帽等)或要求驾驶者中断当前的驾驶行为(提取血液样本、唾液样本等),会对驾驶者正常的疲劳变化过程产生极大的干扰,故其不适合应用于实际条件下,多用于驾驶模拟实验中。
基于驾驶者身体反应的疲劳检测方法是通过分析驾驶人的视线方位、瞳孔直径、嘴部运动、头部姿态、眼睛状态(眨眼幅度、眨眼频率、眨眼速度等)等,实现驾驶者的疲劳检测。然而,在实际的驾驶过程中,驾驶者的视线方位难以精确定位。同时,受个体差异性的影响,嘴部动作、头部姿态与疲劳驾驶之间并无直接的相关关系。基于眼睛状态的疲劳检测方法在目前的疲劳检测领域中研究、应用最为广泛。
基于驾驶人操作行为的疲劳检测方法是通过检测转向盘的运动、车辆横向距离、加速及制动踏板的操作、坐垫的体压分布特性等,推测驾驶人的疲劳状态。基于操作行为的疲劳检测方法实时性好、成本低,但受到驾驶习惯、道路环境、操作技能等因素的影响,可靠性较低。
基于车辆行驶信息的疲劳检测方法是通过对车辆的行驶速度、行驶轨迹、行驶方向等参数的分析,检测驾驶者的疲劳状态。基于车辆行驶信息的疲劳检测方法需要进行车道线检测,因此,车辆必须行驶在结构化道路上,且易受驾驶者的驾驶意图影响,判别精度相对较低。
当前国际上并没有一套公认有效的疲劳检测的方法。国内外市面上还没一套简单完善的疲劳检测装置和疲劳驾驶提醒装置,国外已有的疲劳检测装置,检测成本较高,疲劳检测效果也不太理想。
发明内容
为了解决上述技术问题,本发明提供一种实时性强、检测准确度高的基于机器视觉人眼识别的疲劳驾驶检测装置,并基于此疲劳驾驶检测装置提供一种疲劳驾驶检测方法。
本发明解决上述问题的技术方案是:一种基于机器视觉人眼识别的疲劳驾驶检测装置,包括用于获取驾驶员图像的图像获取模块;与图像获取模块连接,用于对人脸进行捕捉并对人眼进行实时跟踪定位的人脸人眼识别模块;与人脸人眼识别模块连接,对人眼图像进行图像处理和特征提取的图像处理和特征提取模块;与图像处理和特征提取模块连接,用于判断驾驶员是否疲劳驾驶的疲劳判断模块;与疲劳判断模块连接,用于疲劳判断模块判定为疲劳驾驶后进行报警的报警模块;与疲劳判断模块连接,用于进行操作或实时显示判断结果的显示操作模块。
上述基于机器视觉人眼识别的疲劳驾驶检测装置,所述图像获取模块包括摄像头和红外补光灯,摄像头和红外补光灯安装在汽车挡风玻璃上方,并朝向驾驶员人脸位置。
一种疲劳驾驶检测方法,包括以下步骤:
步骤一:点击显示模块的开启键,打开摄像头;
步骤二:图像获取;加载LBP特征检测器,通过Adaboost强弱训练分类器,构造级联分类器,对摄像头捕获的图像中的人脸进行捕捉,再对捕捉的人脸图像中的人眼进行实时跟踪定位,得到人眼图像;
步骤三:图像处理;对人眼图像进行图像处理;
步骤四:特征提取;对图像处理后的人眼感兴趣区域进行眼部特征提取,眼部特征分为人眼高度特征和人眼眨眼频率特征;
步骤五:疲劳分析;获取清醒状态下的人眼特征,然后根据步骤四获得的人眼高度特征和人眼眨眼频率特征进行特征融合,判断疲劳程度;
步骤六:疲劳报警;进行不同疲劳程度的相关警报提醒。
上述疲劳驾驶检测方法,所述步骤二具体步骤为:
2-1)摄像头捕获每帧图像,并对每帧图像灰度化处理;
2-2)加载训练的LBP人脸特征检测器,对每帧图像进行人脸特征识别,若检测到人脸特征,则提取人脸感兴趣区域,进入步骤2-3);若未检测到人脸特征,则返回步骤2-1);
2-3)在人脸感兴趣区域内加载训练的LBP人眼特征检测器,对人脸感兴趣区域进行人眼特征识别,若检测到人眼特征,则提取人眼感兴趣区域,实现每帧图像的图像获取功能;若未检测到人眼特征,则返回步骤2-1)。
上述疲劳驾驶检测方法,所述步骤三中,图像处理包括①中值滤波:对人眼感兴趣区域进行中值滤波处理,消除孤立的噪声点,保护眼部边缘信息;②直方图均衡化:提高人眼感兴趣区域的图像对比度和灰度色调的变化,使图像更加清晰;③图像二值化:凸显出眼部的实际轮廓;④形态学闭运算:对人眼感兴趣区域进行图像膨胀后进行图像腐蚀,用来填充眼部区域细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
上述疲劳驾驶检测方法,所述步骤四中,人眼高度特征的提取方法为:对处理的人眼感兴趣区域截取矩形区域,此矩形区域高为原图的3/4,宽为原图的1/4,对此矩形区域进行垂直积分投影,以像素点个数代替人眼高度,统计图像每列像素点个数并得出最大值,将最大值视为此帧图像的人眼高度h。
上述疲劳驾驶检测方法,所述步骤四中,人眼眨眼频率特征的提取方法为:首先在初始清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值设定当测得高度值在人眼高度阈值H的60%-40%之间则视为眨眼一次,设K1=60%H、K2=40%H,即疲劳状态眨眼频率判断阈值范围为[K1,K2],为了避免眨眼过程中人眼高度的降低升高的影响,在检测到在这个区域内的那一帧图片时就判断为眨眼一次,此后延时5帧图片再启动眨眼高度检测;以每捕捉20帧图片时间为一次判别周期T,统计一个周期内的眨眼次数M,计算眨眼频率f=M/T,单位为“次/ms”,将其换算为单位“次/min”;正常人在清醒状态的眨眼频率为15次/min,以此为依据做实验得出当眨眼频率为25-35次/min时视为存在疲劳。
上述疲劳驾驶检测方法,所述步骤五具体步骤为:
5-1)初始化过程;在第一次开机使用摄像头时进行初始化过程;确保清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值
5-2)人眼高度统计;在队列中计算统计一周期内的人眼高度,并以20帧图像为一周期T进行检测;
5-3)人眼高度比较;将一个周期内的每帧图像的人眼高度与高度阈值H比较,统计低于高度阈值H的帧数N;
5-4)计算PERCLOS值判断疲劳程度;PERCLOS=N100;当0<PERCLOS≤0.6时视为轻度疲劳,当0.6<PERCLOS≤0.8时视为重度疲劳。
上述疲劳驾驶检测方法,所述步骤六中,轻度疲劳时,进行语音报警;重度疲劳时,进行语音和震动报警。
本发明的有益效果在于:
1、本发明的疲劳驾驶检测装置中,利用红外补光灯解决了夜晚等弱光环境成像问题,利用红外滤波解决了墨镜情况下人眼区域不可见问题。
2、本发明的疲劳驾驶检测方法中,利用加载LBP特征检测器和Adaboost构造级联分类器,实现了人脸人眼的实时、高速、高精度定位,同时提高了人脸人眼识别过程对光的不敏感性。
3、本发明的疲劳驾驶检测方法中,在用户驾驶车辆的过程中通过对用户的眼部特征提取,计算检测周期内的PERCLOS,再与制定PERCLOS进行比较,根据比较结果来区分不同疲劳程度,从而实现轻度疲劳和重度疲劳两种不同疲劳程度的提醒。
附图说明
图1为本发明疲劳驾驶检测装置的结构框图。
图2为本发明疲劳驾驶检测方法的流程图。
图3为疲劳驾驶检测方法中训练人脸人眼LBP特征检测分类器过程示意图。
图4为疲劳驾驶检测方法中图像处理效果图。
图5为疲劳驾驶检测方法中人眼高度特征提取图。
图6为清醒状态的人眼高度与疲劳状态的人眼高度的对比图。
图7为无眨眼状态与眨眼状态的人眼高度对比图。
图8为显示模块的界面图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明。
如图1所示,一种基于机器视觉人眼识别的疲劳驾驶检测装置,包括用于获取驾驶员图像的图像获取模块,图像获取模块包括摄像头和红外补光灯,摄像头和红外补光灯安装在汽车挡风玻璃上方,并朝向驾驶员人脸位置;与图像获取模块连接,用于对人脸进行捕捉并对人眼进行实时跟踪定位的人脸人眼识别模块;与人脸人眼识别模块连接,对人眼图像进行图像处理和特征提取的图像处理和特征提取模块;与图像处理和特征提取模块连接,用于判断驾驶员是否疲劳驾驶的疲劳判断模块;与疲劳判断模块连接,用于疲劳判断模块判定为疲劳驾驶后进行报警的报警模块;与疲劳判断模块连接,用于进行操作或实时显示判断结果的显示操作模块。
一种疲劳驾驶检测方法,如图2所示,包括以下步骤:
步骤一:点击显示模块的开启键,打开摄像头。
步骤二:图像获取;如图3所示,加载LBP特征检测器,通过Adaboost强弱训练分类器,构造级联分类器,对摄像头捕获的图像中的人脸进行捕捉,再对捕捉的人脸图像中的人眼进行实时跟踪定位,得到人眼图像。
具体步骤为:
2-1)摄像头捕获每帧图像,并对每帧图像灰度化处理;
2-2)加载训练的LBP人脸特征检测器,其基本思想:用中心像素的灰度值作为阈值,与它的邻域相比较得到二进码来表述局部纹理特征;对每帧图像进行人脸特征识别,若检测到人脸特征,则提取人脸感兴趣区域,进入步骤2-3);若未检测到人脸特征,则返回步骤2-1);
2-3)在人脸感兴趣区域内加载训练的LBP人眼特征检测器,对人脸感兴趣区域进行人眼特征识别,若检测到人眼特征,则提取人眼感兴趣区域,实现每帧图像的图像获取功能;若未检测到人眼特征,则返回步骤2-1)。
步骤三:图像处理;对人眼图像进行图像处理。
如图4所示,图像处理包括①中值滤波:对人眼感兴趣区域进行中值滤波处理,消除孤立的噪声点,保护眼部边缘信息;②直方图均衡化:提高人眼感兴趣区域的图像对比度和灰度色调的变化,使图像更加清晰;③图像二值化:有利于人眼感兴趣区域的进一步处理,使图像变得简单,而且数据量减小,能凸显出眼部的实际轮廓;④形态学闭运算:对人眼感兴趣区域进行图像膨胀后进行图像腐蚀,用来填充眼部区域细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
步骤四:特征提取;如图5、图7所示,对图像处理后的人眼感兴趣区域进行眼部特征提取,眼部特征分为人眼高度特征和人眼眨眼频率特征。
人眼高度特征的提取方法为:对处理的人眼感兴趣区域截取矩形区域,此矩形区域高为原图的3/4,宽为原图的1/4,对此矩形区域进行垂直积分投影,以像素点个数代替人眼高度,统计图像每列像素点个数并得出最大值,将最大值视为此帧图像的人眼高度h。
人眼眨眼频率特征的提取方法为:首先在初始清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值设定当测得高度值在人眼高度阈值H的60%-40%之间则视为眨眼一次,设K1=60%H、K2=40%H,即疲劳状态眨眼频率判断阈值范围为[K1,K2],为了避免眨眼过程中人眼高度的降低升高的影响,在检测到在这个区域内的那一帧图片时就判断为眨眼一次,此后延时5帧图片再启动眨眼高度检测;以每捕捉20帧图片时间为一次判别周期T,统计一个周期内的眨眼次数M,计算眨眼频率f=M/T,单位为“次/ms”,将其换算为单位“次/min”;正常人在清醒状态的眨眼频率为15次/min,以此为依据做实验得出当眨眼频率为25-35次/min时视为存在疲劳。
步骤五:疲劳分析;获取清醒状态下的人眼特征,然后根据步骤四获得的人眼高度特征和人眼眨眼频率特征进行特征融合,判断疲劳程度。
具体步骤为:
5-1)初始化过程;在第一次开机使用摄像头时进行初始化过程;确保清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值
5-2)人眼高度统计;在队列中计算统计一周期内的人眼高度,并以20帧图像为一周期T进行检测;
5-3)人眼高度比较;将一个周期内的每帧图像的人眼高度与高度阈值H比较,统计低于高度阈值H的帧数N;
5-4)计算PERCLOS值判断疲劳程度;PERCLOS=N100;当0<PERCLOS≤0.6时视为轻度疲劳,当0.6<PERCLOS≤0.8时视为重度疲劳。
步骤六:疲劳报警;进行不同疲劳程度的相关警报提醒。轻度疲劳时,进行语音报警;重度疲劳时,进行语音和震动报警。如图6所示,对比清醒状态的人眼高度曲线和疲劳状态的人眼高度曲线,可以发现疲劳状态的人眼高度有明显的下降。
Claims (9)
1.一种基于机器视觉人眼识别的疲劳驾驶检测装置,其特征在于:包括用于获取驾驶员图像的图像获取模块;与图像获取模块连接,用于对人脸进行捕捉并对人眼进行实时跟踪定位的人脸人眼识别模块;与人脸人眼识别模块连接,对人眼图像进行图像处理和特征提取的图像处理和特征提取模块;与图像处理和特征提取模块连接,用于判断驾驶员是否疲劳驾驶的疲劳判断模块;与疲劳判断模块连接,用于疲劳判断模块判定为疲劳驾驶后进行报警的报警模块;与疲劳判断模块连接,用于进行操作或实时显示判断结果的显示操作模块。
2.根据权利要求1所述的基于机器视觉人眼识别的疲劳驾驶检测装置,其特征在于:所述图像获取模块包括摄像头和红外补光灯,摄像头和红外补光灯安装在汽车挡风玻璃上方,并朝向驾驶员人脸位置。
3.一种根据权利要求1、2中任意一项所述的基于机器视觉人眼识别的疲劳驾驶检测装置的疲劳驾驶检测方法,包括以下步骤:
步骤一:点击显示模块的开启键,打开摄像头;
步骤二:图像获取;加载LBP特征检测器,通过Adaboost强弱训练分类器,构造级联分类器,对摄像头捕获的图像中的人脸进行捕捉,再对捕捉的人脸图像中的人眼进行实时跟踪定位,得到人眼图像;
步骤三:图像处理;对人眼图像进行图像处理;
步骤四:特征提取;对图像处理后的人眼感兴趣区域进行眼部特征提取,眼部特征分为人眼高度特征和人眼眨眼频率特征;
步骤五:疲劳分析;获取清醒状态下的人眼特征,然后根据步骤四获得的人眼高度特征和人眼眨眼频率特征进行特征融合,判断疲劳程度;
步骤六:疲劳报警;进行不同疲劳程度的相关警报提醒。
4.根据权利要求3所述的疲劳驾驶检测方法,其特征在于,所述步骤二具体步骤为:
2-1)摄像头捕获每帧图像,并对每帧图像灰度化处理;
2-2)加载训练的LBP人脸特征检测器,对每帧图像进行人脸特征识别,若检测到人脸特征,则提取人脸感兴趣区域,进入步骤2-3);若未检测到人脸特征,则返回步骤2-1);
2-3)在人脸感兴趣区域内加载训练的LBP人眼特征检测器,对人脸感兴趣区域进行人眼特征识别,若检测到人眼特征,则提取人眼感兴趣区域,实现每帧图像的图像获取功能;若未检测到人眼特征,则返回步骤2-1)。
5.根据权利要求4所述的疲劳驾驶检测方法,其特征在于,所述步骤三中,图像处理包括①中值滤波:对人眼感兴趣区域进行中值滤波处理,消除孤立的噪声点,保护眼部边缘信息;②直方图均衡化:提高人眼感兴趣区域的图像对比度和灰度色调的变化,使图像更加清晰;③图像二值化:凸显出眼部的实际轮廓;④形态学闭运算:对人眼感兴趣区域进行图像膨胀后进行图像腐蚀,用来填充眼部区域细小空洞、连接邻近物体、平滑其边界的同时并不明显改变其面积。
6.根据权利要求4所述的疲劳驾驶检测方法,其特征在于,所述步骤四中,人眼高度特征的提取方法为:对处理的人眼感兴趣区域截取矩形区域,此矩形区域高为原图的3/4,宽为原图的1/4,对此矩形区域进行垂直积分投影,以像素点个数代替人眼高度,统计图像每列像素点个数并得出最大值,将最大值视为此帧图像的人眼高度h。
7.根据权利要求4所述的疲劳驾驶检测方法,其特征在于,所述步骤四中,人眼眨眼频率特征的提取方法为:首先在初始清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值设定当测得高度值在人眼高度阈值H的60%-40%之间则视为眨眼一次,设K1=60%H、K2=40%H,即疲劳状态眨眼频率判断阈值范围为[K1,K2],为了避免眨眼过程中人眼高度的降低升高的影响,在检测到在这个区域内的那一帧图片时就判断为眨眼一次,此后延时5帧图片再启动眨眼高度检测;以每捕捉20帧图片时间为一次判别周期T,统计一个周期内的眨眼次数M,计算眨眼频率f=M/T,单位为“次/ms”,将其换算为单位“次/min”;正常人在清醒状态的眨眼频率为15次/min,以此为依据做实验得出当眨眼频率为25-35次/min时视为存在疲劳。
8.根据权利要求7所述的疲劳驾驶检测方法,其特征在于,所述步骤五具体步骤为:
5-1)初始化过程;在第一次开机使用摄像头时进行初始化过程;确保清醒状态下摄像头进行100帧原始图像拍摄,计算每帧图像的人眼高度hi,计算初始化人眼高度阈值
5-2)人眼高度统计;在队列中计算统计一周期内的人眼高度,并以20帧图像为一周期T进行检测;
5-3)人眼高度比较;将一个周期内的每帧图像的人眼高度与高度阈值H比较,统计低于高度阈值H的帧数N;
5-4)计算PERCLOS值判断疲劳程度;PERCLOS=N/100;当0<PERCLOS≤0.6时视为轻度疲劳,当0.6<PERCLOS≤0.8时视为重度疲劳。
9.根据权利要求8所述的疲劳驾驶检测方法,其特征在于,所述步骤六中,轻度疲劳时,进行语音报警;重度疲劳时,进行语音和震动报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993684.3A CN107595307A (zh) | 2017-10-23 | 2017-10-23 | 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710993684.3A CN107595307A (zh) | 2017-10-23 | 2017-10-23 | 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107595307A true CN107595307A (zh) | 2018-01-19 |
Family
ID=61080531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710993684.3A Withdrawn CN107595307A (zh) | 2017-10-23 | 2017-10-23 | 基于机器视觉人眼识别的疲劳驾驶检测装置及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107595307A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108545080A (zh) * | 2018-03-20 | 2018-09-18 | 北京理工大学 | 驾驶员疲劳检测方法及系统 |
CN108563992A (zh) * | 2018-03-13 | 2018-09-21 | 苏州奥科德瑞智能科技有限公司 | 一种基于人脸识别的视觉勘察系统 |
CN108764185A (zh) * | 2018-06-01 | 2018-11-06 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN109572493A (zh) * | 2018-12-18 | 2019-04-05 | 黄知文 | 自动疲劳驾驶监控装置 |
CN110097783A (zh) * | 2019-05-15 | 2019-08-06 | 芜湖汽车前瞻技术研究院有限公司 | 车辆预警方法及系统 |
CN110278367A (zh) * | 2018-03-14 | 2019-09-24 | 厦门歌乐电子企业有限公司 | 基于拍摄装置的人眼检测方法、系统、设备及其介质 |
CN110448312A (zh) * | 2018-05-07 | 2019-11-15 | 欧姆龙株式会社 | 数据处理装置、监视系统、唤醒系统、数据处理方法 |
CN110807351A (zh) * | 2019-08-28 | 2020-02-18 | 杭州勒格网络科技有限公司 | 一种基于人脸识别的智能化车载疲劳检测系统、方法及装置 |
CN111080983A (zh) * | 2019-12-31 | 2020-04-28 | 广东轻工职业技术学院 | 一种基于北斗卫星导航定位的特种运输车报警系统 |
CN112163470A (zh) * | 2020-09-11 | 2021-01-01 | 高新兴科技集团股份有限公司 | 基于深度学习的疲劳状态识别方法、系统、存储介质 |
CN114926645A (zh) * | 2022-06-21 | 2022-08-19 | 深圳市慧智生命科技有限公司 | 视觉疲劳的检测方法和视觉疲劳的检测装置 |
CN116030042A (zh) * | 2023-02-24 | 2023-04-28 | 智慧眼科技股份有限公司 | 一种针对医生目诊的诊断装置、方法、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及系统 |
CN104318237A (zh) * | 2014-10-28 | 2015-01-28 | 厦门大学 | 基于人脸识别的疲劳驾驶预警方法 |
CN104809445A (zh) * | 2015-05-07 | 2015-07-29 | 吉林大学 | 基于眼部和嘴部状态的疲劳驾驶检测方法 |
CN106846734A (zh) * | 2017-04-12 | 2017-06-13 | 南京理工大学 | 一种疲劳驾驶检测装置及方法 |
-
2017
- 2017-10-23 CN CN201710993684.3A patent/CN107595307A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101593425A (zh) * | 2009-05-06 | 2009-12-02 | 深圳市汉华安道科技有限责任公司 | 一种基于机器视觉的疲劳驾驶监控方法及系统 |
CN104318237A (zh) * | 2014-10-28 | 2015-01-28 | 厦门大学 | 基于人脸识别的疲劳驾驶预警方法 |
CN104809445A (zh) * | 2015-05-07 | 2015-07-29 | 吉林大学 | 基于眼部和嘴部状态的疲劳驾驶检测方法 |
CN106846734A (zh) * | 2017-04-12 | 2017-06-13 | 南京理工大学 | 一种疲劳驾驶检测装置及方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108563992A (zh) * | 2018-03-13 | 2018-09-21 | 苏州奥科德瑞智能科技有限公司 | 一种基于人脸识别的视觉勘察系统 |
CN108563992B (zh) * | 2018-03-13 | 2019-11-15 | 上海申雪供应链管理有限公司 | 一种基于人脸识别的视觉勘察系统 |
CN110278367B (zh) * | 2018-03-14 | 2021-11-19 | 厦门歌乐电子企业有限公司 | 基于拍摄装置的人眼检测方法、系统、设备及其介质 |
CN110278367A (zh) * | 2018-03-14 | 2019-09-24 | 厦门歌乐电子企业有限公司 | 基于拍摄装置的人眼检测方法、系统、设备及其介质 |
CN108545080A (zh) * | 2018-03-20 | 2018-09-18 | 北京理工大学 | 驾驶员疲劳检测方法及系统 |
CN110448312A (zh) * | 2018-05-07 | 2019-11-15 | 欧姆龙株式会社 | 数据处理装置、监视系统、唤醒系统、数据处理方法 |
CN108764185A (zh) * | 2018-06-01 | 2018-11-06 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
CN108764185B (zh) * | 2018-06-01 | 2022-07-19 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
US11321952B2 (en) | 2018-06-01 | 2022-05-03 | Boe Technology Group Co., Ltd. | Computer-implemented method of alerting driver of vehicle, apparatus for alerting driver of vehicle, vehicle, and computer-program product |
CN109572493A (zh) * | 2018-12-18 | 2019-04-05 | 黄知文 | 自动疲劳驾驶监控装置 |
CN109572493B (zh) * | 2018-12-18 | 2020-12-22 | 嘉兴米世电器有限公司 | 自动疲劳驾驶监控装置 |
CN110097783A (zh) * | 2019-05-15 | 2019-08-06 | 芜湖汽车前瞻技术研究院有限公司 | 车辆预警方法及系统 |
CN110807351A (zh) * | 2019-08-28 | 2020-02-18 | 杭州勒格网络科技有限公司 | 一种基于人脸识别的智能化车载疲劳检测系统、方法及装置 |
CN111080983A (zh) * | 2019-12-31 | 2020-04-28 | 广东轻工职业技术学院 | 一种基于北斗卫星导航定位的特种运输车报警系统 |
CN112163470A (zh) * | 2020-09-11 | 2021-01-01 | 高新兴科技集团股份有限公司 | 基于深度学习的疲劳状态识别方法、系统、存储介质 |
CN114926645A (zh) * | 2022-06-21 | 2022-08-19 | 深圳市慧智生命科技有限公司 | 视觉疲劳的检测方法和视觉疲劳的检测装置 |
CN116030042A (zh) * | 2023-02-24 | 2023-04-28 | 智慧眼科技股份有限公司 | 一种针对医生目诊的诊断装置、方法、设备及存储介质 |
CN116030042B (zh) * | 2023-02-24 | 2023-06-16 | 智慧眼科技股份有限公司 | 一种针对医生目诊的诊断装置、方法、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
US20210232835A1 (en) | Helmet wearing determination method, helmet wearing determination system, helmet wearing determination apparatus, and program | |
CN102054163B (zh) | 基于单目视觉的驾驶员疲劳检测方法 | |
CN112241658B (zh) | 一种基于深度相机的疲劳驾驶预警方法 | |
CN104809445B (zh) | 基于眼部和嘴部状态的疲劳驾驶检测方法 | |
CN106846734B (zh) | 一种疲劳驾驶检测装置及方法 | |
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警系统及方法 | |
CN105286802B (zh) | 基于视频信息的驾驶员疲劳检测方法 | |
CN105354985B (zh) | 疲劳驾驶监控装置及方法 | |
CN109460703B (zh) | 一种基于心率和面部特征的非侵入式疲劳驾驶识别方法 | |
EP1868138A2 (en) | Method of tracking a human eye in a video image | |
CN106250801A (zh) | 基于人脸检测和人眼状态识别的疲劳检测方法 | |
CN104616438A (zh) | 一种用于疲劳驾驶检测的打哈欠动作检测方法 | |
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 | |
CN102436715A (zh) | 疲劳驾驶检测方法 | |
CN109697430A (zh) | 基于图像识别的工作区域安全帽佩戴的检测方法 | |
CN111616718B (zh) | 基于姿态特征的驾驶员疲劳状态检测方法和系统 | |
CN104881956A (zh) | 一种疲劳驾驶预警系统 | |
CN106408877A (zh) | 一种轨道交通驾驶员疲劳状态监测方法 | |
CN103729646B (zh) | 一种眼睛图像有效性检测方法 | |
CN106446822B (zh) | 基于圆拟合的眨眼检测方法 | |
CN107480629A (zh) | 一种基于深度信息的疲劳驾驶检测方法及装置 | |
CN110097012A (zh) | 基于N-range图像处理算法的眼动参数监测的疲劳检测方法 | |
Yin et al. | A driver fatigue detection method based on multi-sensor signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20180119 |