CN108133573A - 疲劳驾驶报警系统 - Google Patents
疲劳驾驶报警系统 Download PDFInfo
- Publication number
- CN108133573A CN108133573A CN201711442414.XA CN201711442414A CN108133573A CN 108133573 A CN108133573 A CN 108133573A CN 201711442414 A CN201711442414 A CN 201711442414A CN 108133573 A CN108133573 A CN 108133573A
- Authority
- CN
- China
- Prior art keywords
- driver
- eyes
- processor
- image
- state
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1103—Detecting eye twinkling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6893—Cars
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Theoretical Computer Science (AREA)
- Child & Adolescent Psychology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Ophthalmology & Optometry (AREA)
- Dentistry (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Social Psychology (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种疲劳驾驶报警系统。其中,该系统包括:CCD摄像头,设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄驾驶员位置的图像;处理器,与CCD摄像头相连接,用于获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态,在判断出驾驶员处于疲劳状态的情况下进行报警。本发明解决了相关技术中应用驾驶员疲劳状态报警系统需要满足应用条件的技术问题。
Description
技术领域
本发明涉及报警领域,具体而言,涉及一种疲劳驾驶报警系统。
背景技术
乘务员疲劳驾驶是引发恶性交通事故的一个重要原因,由于乘务员疲劳驾驶所造成的交通事故,无论在绝对数字还是所占的事故比例中都是很高的。因此,研制一款能够有效、实时监测乘务员的疲劳状态,并进行报警的装置就显得很有意义和必要性。
国内外很多单位和个人都在积极研发针对乘务员疲劳驾驶的实时监测技术,主要有以下几种:
1、第一种:根据大部分人疲劳时头部会经常向下倾斜的原理,提供了一种按照头部状态监测疲劳的技术方案。该装置安装在乘务员座椅枕部,采用红外线传感器测量乘务员头部位置的变化,如果发生离开或偏移的情况,则及时启动报警;
2、第二种:提供一种腕表型疲劳预警系统(TWS汽车驾驶),通过紧贴手腕的传感器测量体温,脉搏的变化,判断人体的疲劳状态,发出声音、振动等刺激人体,达到提醒乘务员谨慎开车的目的;
3、第三种:提供一种眼镜型疲劳监测装置,这种报警器利用人困倦时眨眼一次的时间远远大于正常时的原理,通过眼镜内侧的红外线装置监测眨眼频率触发报警,提醒乘务员避免疲劳驾驶引发事故。
但是,上述的技术方案具有如下缺点:
1、对于第一种技术方案,由于乘务员个体差异很大,一部分人在疲劳、瞌睡时头部状态不会变化,另外,宽松的帽子、头上饰物等都会影响监测结果,因此该技术具有很大的局限性;
2、对于第二种技术方案,该技术存在很多人为因素,如:佩戴的松紧程度,人体胖瘦,出汗以及体表温度等都会影响测量结果的准确性;
3、对于第三种技术方案,对于佩戴近视眼镜和习惯佩戴墨镜的乘务员使用时很不方便。
针对相关技术中应用驾驶员疲劳状态报警系统需要满足应用条件的技术问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种疲劳驾驶报警系统,以至少解决相关技术中应用驾驶员疲劳状态报警系统需要满足应用条件的技术问题。
根据本发明实施例的一个方面,提供了一种疲劳驾驶报警系统,该系统包括:CCD摄像头,设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄驾驶员位置的图像;处理器,与CCD摄像头相连接,用于获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态,在判断出驾驶员处于疲劳状态的情况下进行报警。
进一步地,CCD摄像头为CCD红外摄像头,CCD红外摄像头用于拍摄红外图像。
进一步地,该系统还包括:红外线光源,与驾驶员位置相邻设置,用于向驾驶员位置发出红外光。
进一步地,CCD红外摄像头包括:红外滤波片,设置于CCD红外摄像头的镜头上。
进一步地,处理器获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态包括:处理器获取预设时间段内的连续的多张图像;处理器根据多张图像识别驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间;处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间判断驾驶员是否处于疲劳状态。
进一步地,处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间判断驾驶员是否处于疲劳状态包括:处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间确定驾驶员的眨眼频率;处理器判断眨眼频率是否低于预设阈值,其中,如果判断结果为眨眼频率低于预设阈值,则确定驾驶员处于疲劳状态,如果判断结果为眨眼频率不低于预设阈值,则确定驾驶员不处于疲劳状态。
进一步地,处理器根据多张图像识别驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间包括:处理器对每张图像识别驾驶员的眼睛处于睁眼状态或闭眼状态;处理器根据多张图像中每张图像的识别结果确定驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间。
进一步地,多张图像包括第一图像,处理器对每张图像识别驾驶员的眼睛处于睁眼状态或闭眼状态包括:处理器对第一图像进行人脸识别;如果得到人脸识别结果,则处理器进行人眼识别;如果未得到人脸识别结果,则处理器对第一图像进行映射变换,并再次进行人脸识别,在再次进行人脸识别之后仍未得到人脸识别结果的情况下,处理器放弃第一图像,读入下一帧图像并对下一帧图像进行人脸识别。
进一步地,处理器根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态包括:处理器获取与驾驶员相对应的参照图像,其中,参照图像包括与驾驶员相对应的睁眼图像和闭眼图像;处理器将多张图像中每张图像与参照图像进行对比,以确定驾驶员的眼睛是否处于睁眼状态。
进一步地,该系统还包括:存储器,与处理器相连接,用于存储参照图像。
在本发明实施例中,通过CCD摄像头,设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄驾驶员位置的图像;处理器,与CCD摄像头相连接,用于获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态,在判断出驾驶员处于疲劳状态的情况下进行报警,解决了相关技术中应用驾驶员疲劳状态报警系统需要满足应用条件的技术问题,进而实现了扩大驾驶员疲劳状态报警系统的应用范围的技术效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的疲劳驾驶报警系统的示意图;
图2是根据本发明实施例的另一种可选的疲劳驾驶报警系统的示意图;
图3是根据本发明实施例的一种可选的疲劳驾驶报警系统进行识别的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请提供了一种疲劳驾驶报警系统的实施例。
图1是根据本发明实施例的一种可选的疲劳驾驶报警系统的示意图,如图1所示,该系统包括CCD摄像头10和处理器20。
其中,CCD摄像头设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄驾驶员位置的图像;处理器与CCD摄像头相连接,用于获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态,在判断出驾驶员处于疲劳状态的情况下进行报警。
作为一种可选的实施例,CCD摄像头为CCD红外摄像头,CCD红外摄像头用于拍摄红外图像。
作为一种可选的实施例,该系统还包括红外线光源,与驾驶员位置相邻设置,用于向驾驶员位置发出红外光。
作为一种可选的实施例,CCD红外摄像头包括:红外滤波片,设置于CCD红外摄像头的镜头上。
作为一种可选的实施例,处理器获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态包括:处理器获取预设时间段内的连续的多张图像;处理器根据多张图像识别驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间;处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间判断驾驶员是否处于疲劳状态。
作为一种可选的实施例,处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间判断驾驶员是否处于疲劳状态包括:处理器根据处于睁眼状态的持续时间和处于闭眼状态的持续时间确定驾驶员的眨眼频率;处理器判断眨眼频率是否低于预设阈值,其中,如果判断结果为眨眼频率低于预设阈值,则确定驾驶员处于疲劳状态,如果判断结果为眨眼频率不低于预设阈值,则确定驾驶员不处于疲劳状态。
作为一种可选的实施例,处理器根据多张图像识别驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间包括:处理器对每张图像识别驾驶员的眼睛处于睁眼状态或闭眼状态;处理器根据多张图像中每张图像的识别结果确定驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间。
作为一种可选的实施例,多张图像包括第一图像,处理器对每张图像识别驾驶员的眼睛处于睁眼状态或闭眼状态包括:处理器对第一图像进行人脸识别;如果得到人脸识别结果,则处理器进行人眼识别;如果未得到人脸识别结果,则处理器对第一图像进行映射变换,并再次进行人脸识别,在仍未得到人脸识别结果的情况下,处理器放弃第一图像,读入下一帧图像并执行上述识别步骤。其中,人脸识别结果是识别出的人脸,在未识别出人脸的情况下视为未得到人脸识别结果。
作为一种可选的实施例,处理器根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态包括:处理器获取与驾驶员相对应的参照图像,其中,参照图像包括与驾驶员相对应的睁眼图像和闭眼图像;处理器将多张图像中每张图像与参照图像进行对比,以确定驾驶员的眼睛是否处于睁眼状态。
作为一种可选的实施例,该系统还包括存储器,与处理器相连接,用于存储参照图像。
该实施例通过CCD摄像头,设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄驾驶员位置的图像;处理器,与CCD摄像头相连接,用于获取连续的多张图像,并根据多张图像识别驾驶员的眼睛以判断驾驶员是否处于疲劳状态,在判断出驾驶员处于疲劳状态的情况下进行报警,解决了相关技术中应用驾驶员疲劳状态报警系统需要满足应用条件的技术问题,进而实现了扩大驾驶员疲劳状态报警系统的应用范围的技术效果。
下面结合图2对上述实施例的一种具体实施方式进行详细说明:
该系统包括数据采集器1,其中,数据采集器1使用一组红外线主动光源11,一个CCD(红外)摄像头12和一块红外线滤波片10组成。
采用该实施方式中的数据采集器1可以通过红外线主动光源11对乘务员面部进行照明,红外线滤波片10安装在CCD红外摄像头12的镜头上,极大程度降低了外界光线的干扰,且消除了墨镜的影响。使用非介入式监测,对乘务员的正常驾驶没有任何干扰,CCD摄像头12实时获取乘务员经红外线滤波片10滤波后的脸部状态视频图像信号。
该系统还包括视频编码器2,视频编码器2可以将CCD摄像头12拍摄的视频图像信号转换为符合标准的数字视频信号,由图像处理和状态判别系统3根据眼睛眨动频率和眼睛闭合时间的综合参数,判断乘务员是否处于疲劳状态,并适时通过语音报警器4进行报警提示,同时将报警时的图像进行存储,必要时可进行过程追溯。
图像处理和状态判别系统3包括图像处理加速器5、图像存储器6、报警图像存储器7、数字媒体处理器8、程序存储器9构成。其中,图像处理加速器5连接报警图像存储器7、4M*16BIT的图像存储器6和数字媒体处理器8,图像处理加速器5的输出端连接语音报警器4,数字媒体处理器8连接程序存储器9,数字媒体处理器8的输出为数据输出口,也即,网口13。
具体的,视频编码器2可以采用ADV7189B型号,语音报警器4可以采用APR9600型号,图像处理加速器5可以采用XC3S1000型号,图像存储器6可以采用CYTC1061型号,图像存储器6的大小为4M*16BIT,报警图像存储器7可以采用HY27UH08型号,数字媒体处理器8可以采用TMS320DM642型号,程序存储器9可以采用ATM29LV033型号,网口13可以用100M的网口。
其中,4M*16BIT的图像存储器6可以存储若干幅眼睛的图像,作为眼睛定位的模板。图像处理加速器5对眼睛定位时,可以采用帧间关联、模板匹配和红外线在瞳孔上形成反射光线的综合判别法进行定位,定位准确、处理速度快。
该实施例提供的疲劳驾驶报警系统进行识别的流程如图3所示,该系统的处理步骤包括:
步骤1,对图像进行预处理;
步骤2,读入一帧图像;
步骤3,对图像进行直方图均衡处理;
步骤4,对直方图均衡处理之后的图像进行同态滤波;
步骤5,对同态滤波之后的图像进行人脸识别,如果识别出人脸,则执行步骤6,如果未识别出人脸,则执行步骤10;
步骤6,进行人眼识别,如果识别出人眼,则执行步骤7,如果未识别出人眼,则返回步骤2,读入下一帧图像;
步骤7,进行自适应阈值二值化;
步骤8,对进行自适应阈值二值化后的图像进行闭眼投票,计算是否超过阈值,也即,如果判断出闭眼,则将计算闭眼帧数的值加一,并判断当前闭眼帧数是否超过预设个数,或者,根据每两帧图像之间的时间差和闭眼帧数判断是否超过预设时长,其中,如果判断出未超过阈值,则返回步骤2,读入下一帧图像,如果判断出超过阈值,则执行步骤9;
步骤9,报警;
步骤10,对图像进行映射变换;
步骤11,对进行映射变换之后的图像再次进行人脸识别,如果在该步骤识别出人脸,则执行步骤6,如果在该步骤未识别出人脸,则返回步骤1。
在步骤5中,可以采用霍斯道夫(Hausdorff)距离算法,以对不同面部姿势,取向和尺度进行监测。
在步骤10中,可以采用基于伪彩色的图像变换算法,以消除不同曝光强度的影响。
可选的,本发明实施例提供的报警系统还可以使用神经网络判别算法,根据眼睛的状态(睁眼或者闭眼)及该状态持续的时间和眨动的频率,判别是否处于疲劳状态。
本发明提供了一种疲劳状态报警系统,克服了现有疲劳监测技术需要乘务员佩戴传感器,以及由于人体差异会影响监测结果等缺陷,采用非介入方式无需乘务员佩戴任何传感器,不受乘务员个体差异,驾驶习惯的影响,可以实现乘务员在不同驾驶姿势、不同照明状况以及戴眼镜、墨镜等情况下的疲劳状态实时监测,并根据乘务员的疲劳程度进行语音警报提示,同时将报警时的图像进行存储,必要时可进行过程追溯。
本发明提供的疲劳状态报警系统能够带来以下的技术效果:
1、采用非介入的监测方法,不受乘务员个体差异,驾驶习惯,驾驶姿势的影响,也不干扰乘务员的正常驾驶;
2、采用红外线主动照明和红外线滤光的方法,可以有效消除外界各种光线干扰,有效消除墨镜干扰,且不会对乘务员有任何的干扰。同时有很好的背景抑制作用,消除了进入CCD摄像机的大部分环境光线,同时也滤除了大部分的背景图像,减少了外界环境的干扰,降低了图像处理的复杂程度;
3、采用帧间关联、模板匹配和红外线在瞳孔上形成的反射光线对眼镜进行定位,提高处理速度。使用基于伪彩色的图像变换算法,以消除不同曝光强度的影响。采用修正的Hausdorff(霍斯道夫)距离算法,可以对不同面部姿势、取向和尺度进行监测。使用神经网络判断算法,具有很好的实时性;
4、采用主从处理器并行处理的办法构成实时嵌入系统,由协处理器完成图像变换、人眼状态识别等处理工作,主处理器完成人眼识别,分割的功能,软件硬件并行处理。
上述的装置可以包括处理器和存储器,上述单元均可以作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
上述本申请实施例的顺序不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。
其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种疲劳驾驶报警系统,其特征在于,包括:
CCD摄像头,设置与车厢内的驾驶员位置的附近且朝向行车方向的相反方向,用于拍摄所述驾驶员位置的图像;
处理器,与所述CCD摄像头相连接,用于获取连续的多张图像,并根据所述多张图像识别驾驶员的眼睛以判断所述驾驶员是否处于疲劳状态,在判断出所述驾驶员处于所述疲劳状态的情况下进行报警。
2.根据权利要求1所述的系统,其特征在于,所述CCD摄像头为CCD红外摄像头,所述CCD红外摄像头用于拍摄红外图像。
3.根据权利要求2所述的系统,其特征在于,所述系统还包括:
红外线光源,与所述驾驶员位置相邻设置,用于向所述驾驶员位置发出红外光。
4.根据权利要求3所述的系统,其特征在于,所述CCD红外摄像头包括:
红外滤波片,设置于所述CCD红外摄像头的镜头上。
5.根据权利要求1所述的系统,其特征在于,所述处理器获取连续的多张图像,并根据所述多张图像识别驾驶员的眼睛以判断所述驾驶员是否处于疲劳状态包括:
所述处理器获取预设时间段内的连续的多张图像;
所述处理器根据所述多张图像识别所述驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间;
所述处理器根据处于所述睁眼状态的持续时间和处于所述闭眼状态的持续时间判断所述驾驶员是否处于所述疲劳状态。
6.根据权利要求5所述的系统,其特征在于,所述处理器根据处于所述睁眼状态的持续时间和处于所述闭眼状态的持续时间判断所述驾驶员是否处于所述疲劳状态包括:
所述处理器根据处于所述睁眼状态的持续时间和处于所述闭眼状态的持续时间确定所述驾驶员的眨眼频率;
所述处理器判断所述眨眼频率是否低于预设阈值,其中,如果判断结果为所述眨眼频率低于所述预设阈值,则确定所述驾驶员处于所述疲劳状态,如果判断结果为所述眨眼频率不低于所述预设阈值,则确定所述驾驶员不处于所述疲劳状态。
7.根据权利要求5所述的系统,其特征在于,所述处理器根据所述多张图像识别所述驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间包括:
所述处理器对每张图像识别所述驾驶员的眼睛处于所述睁眼状态或所述闭眼状态;
所述处理器根据所述多张图像中每张图像的识别结果确定所述驾驶员的眼睛处于睁眼状态的持续时间和处于闭眼状态的持续时间。
8.根据权利要求7所述的系统,其特征在于,所述多张图像包括第一图像,所述处理器对每张图像识别所述驾驶员的眼睛处于所述睁眼状态或所述闭眼状态包括:
所述处理器对所述第一图像进行人脸识别;
如果得到人脸识别结果,则所述处理器进行人眼识别;
如果未得到所述人脸识别结果,则所述处理器对所述第一图像进行映射变换,并再次进行人脸识别,在再次进行人脸识别之后仍未得到所述人脸识别结果的情况下,所述处理器放弃所述第一图像,读入下一帧图像并对所述下一帧图像进行人脸识别。
9.根据权利要求1所述的系统,其特征在于,所述处理器根据所述多张图像识别驾驶员的眼睛以判断所述驾驶员是否处于疲劳状态包括:
所述处理器获取与所述驾驶员相对应的参照图像,其中,所述参照图像包括与所述驾驶员相对应的睁眼图像和闭眼图像;
所述处理器将所述多张图像中每张图像与所述参照图像进行对比,以确定所述驾驶员的眼睛是否处于睁眼状态。
10.根据权利要求9所述的系统,其特征在于,所述系统还包括:
存储器,与所述处理器相连接,用于存储所述参照图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711442414.XA CN108133573A (zh) | 2017-12-26 | 2017-12-26 | 疲劳驾驶报警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711442414.XA CN108133573A (zh) | 2017-12-26 | 2017-12-26 | 疲劳驾驶报警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108133573A true CN108133573A (zh) | 2018-06-08 |
Family
ID=62393274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711442414.XA Pending CN108133573A (zh) | 2017-12-26 | 2017-12-26 | 疲劳驾驶报警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133573A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109050246A (zh) * | 2018-07-12 | 2018-12-21 | 武汉仁山智水科技服务有限公司 | 一种疲劳预警的方法和设备 |
CN109840510A (zh) * | 2019-02-25 | 2019-06-04 | 西安闻泰电子科技有限公司 | 疲劳驾驶的监控方法、装置、存储介质及电子设备 |
CN111959393A (zh) * | 2020-05-11 | 2020-11-20 | 黄建松 | 一种不安全驾驶警示装置及其警示方法 |
CN112270808A (zh) * | 2020-10-23 | 2021-01-26 | 湖南行必达网联科技有限公司 | 一种防疲劳驾驶方法、装置及车辆 |
CN114488571A (zh) * | 2022-03-05 | 2022-05-13 | 深圳市深科创投科技有限公司 | 一种能监测疲劳驾驶的智能音频眼镜及疲劳驾驶监测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201498084U (zh) * | 2009-07-07 | 2010-06-02 | 西安晨博光电科技有限责任公司 | 疲劳驾驶在线监测报警系统 |
CN101950355A (zh) * | 2010-09-08 | 2011-01-19 | 中国人民解放军国防科学技术大学 | 基于数字视频的驾驶员疲劳状态检测方法 |
CN103231693A (zh) * | 2013-05-14 | 2013-08-07 | 苏州福丰科技有限公司 | 基于人脸识别的汽车防盗和监控系统 |
CN103700217A (zh) * | 2014-01-07 | 2014-04-02 | 广州市鸿慧电子科技有限公司 | 基于人眼及行车轨迹特征的疲劳驾驶检测系统及方法 |
CN103886717A (zh) * | 2014-04-12 | 2014-06-25 | 合肥天海电气技术有限公司 | 一种光照自适应的疲劳驾驶检测系统及检测方法 |
CN105286802A (zh) * | 2015-11-30 | 2016-02-03 | 华南理工大学 | 基于视频信息的驾驶员疲劳检测方法 |
CN105354985A (zh) * | 2015-11-04 | 2016-02-24 | 中国科学院上海高等研究院 | 疲劳驾驶监控装置及方法 |
CN205230274U (zh) * | 2015-12-21 | 2016-05-11 | 合肥师范学院 | 一种疲劳驾驶监测系统 |
CN107316458A (zh) * | 2017-06-22 | 2017-11-03 | 南京理工大学 | 基于车联网的安全监测节点及系统 |
-
2017
- 2017-12-26 CN CN201711442414.XA patent/CN108133573A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201498084U (zh) * | 2009-07-07 | 2010-06-02 | 西安晨博光电科技有限责任公司 | 疲劳驾驶在线监测报警系统 |
CN101950355A (zh) * | 2010-09-08 | 2011-01-19 | 中国人民解放军国防科学技术大学 | 基于数字视频的驾驶员疲劳状态检测方法 |
CN103231693A (zh) * | 2013-05-14 | 2013-08-07 | 苏州福丰科技有限公司 | 基于人脸识别的汽车防盗和监控系统 |
CN103700217A (zh) * | 2014-01-07 | 2014-04-02 | 广州市鸿慧电子科技有限公司 | 基于人眼及行车轨迹特征的疲劳驾驶检测系统及方法 |
CN103886717A (zh) * | 2014-04-12 | 2014-06-25 | 合肥天海电气技术有限公司 | 一种光照自适应的疲劳驾驶检测系统及检测方法 |
CN105354985A (zh) * | 2015-11-04 | 2016-02-24 | 中国科学院上海高等研究院 | 疲劳驾驶监控装置及方法 |
CN105286802A (zh) * | 2015-11-30 | 2016-02-03 | 华南理工大学 | 基于视频信息的驾驶员疲劳检测方法 |
CN205230274U (zh) * | 2015-12-21 | 2016-05-11 | 合肥师范学院 | 一种疲劳驾驶监测系统 |
CN107316458A (zh) * | 2017-06-22 | 2017-11-03 | 南京理工大学 | 基于车联网的安全监测节点及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109050246A (zh) * | 2018-07-12 | 2018-12-21 | 武汉仁山智水科技服务有限公司 | 一种疲劳预警的方法和设备 |
CN109840510A (zh) * | 2019-02-25 | 2019-06-04 | 西安闻泰电子科技有限公司 | 疲劳驾驶的监控方法、装置、存储介质及电子设备 |
CN111959393A (zh) * | 2020-05-11 | 2020-11-20 | 黄建松 | 一种不安全驾驶警示装置及其警示方法 |
CN112270808A (zh) * | 2020-10-23 | 2021-01-26 | 湖南行必达网联科技有限公司 | 一种防疲劳驾驶方法、装置及车辆 |
CN114488571A (zh) * | 2022-03-05 | 2022-05-13 | 深圳市深科创投科技有限公司 | 一种能监测疲劳驾驶的智能音频眼镜及疲劳驾驶监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133573A (zh) | 疲劳驾驶报警系统 | |
CN109389806B (zh) | 基于多信息融合的疲劳驾驶检测预警方法、系统及介质 | |
EP1732028B1 (en) | System and method for detecting an eye | |
CN111439170B (zh) | 儿童状态检测方法及装置、电子设备、存储介质 | |
JP5109922B2 (ja) | ドライバモニタリング装置およびドライバモニタリング装置用のプログラム | |
CN112016457A (zh) | 驾驶员分神以及危险驾驶行为识别方法、设备和存储介质 | |
US20220130155A1 (en) | Adaptive monitoring of a vehicle using a camera | |
CN201337458Y (zh) | 人员疲劳状态实时监测装置 | |
US20180204078A1 (en) | System for monitoring the state of vigilance of an operator | |
CN107209979A (zh) | 用于对车辆的驾驶员的微睡进行识别的方法和装置 | |
CN111616718B (zh) | 基于姿态特征的驾驶员疲劳状态检测方法和系统 | |
CN110174936A (zh) | 头戴式可视设备的控制方法、装置及设备 | |
CN112949345A (zh) | 疲劳监测方法及系统、行车记录仪和智能座舱 | |
US20220309808A1 (en) | Driver monitoring device, driver monitoring method, and driver monitoring-use computer program | |
Nakamura et al. | Driver drowsiness estimation from facial expression features computer vision feature investigation using a CG model | |
Khan et al. | Efficient Car Alarming System for Fatigue Detectionduring Driving | |
CN106096575A (zh) | 一种行车状态监测方法及系统 | |
CN113744499A (zh) | 一种疲劳预警方法、眼镜、系统和计算机可读存储介质 | |
Anumas et al. | Driver fatigue monitoring system using video face images & physiological information | |
CN115937829A (zh) | 一种吊车驾驶室操作人员异常行为检测方法 | |
CN110148234A (zh) | 校园刷脸接送交互方法、存储介质及系统 | |
CN202875355U (zh) | 驾驶员精神状态实时监测装置 | |
CN115100560A (zh) | 用户不良状态的监测方法、装置、设备及计算机存储介质 | |
CN114565531A (zh) | 一种图像修复方法、装置、设备和介质 | |
CN113837128A (zh) | 一种情绪识别方法、系统及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180608 |