CN108446600A - 一种车辆驾驶员疲劳监测预警系统及方法 - Google Patents
一种车辆驾驶员疲劳监测预警系统及方法 Download PDFInfo
- Publication number
- CN108446600A CN108446600A CN201810162233.XA CN201810162233A CN108446600A CN 108446600 A CN108446600 A CN 108446600A CN 201810162233 A CN201810162233 A CN 201810162233A CN 108446600 A CN108446600 A CN 108446600A
- Authority
- CN
- China
- Prior art keywords
- driver
- fatigue
- information
- feature
- perclos
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开一种车辆驾驶员疲劳监测预警系统及方法,所述系统包括:人脸检测与跟踪模块,用于获取人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置;特征点定位单元,进行人脸关键特征点定位;归一化处理及特征提取单元,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息及头部特征信息;PERCLOS疲劳度量化指标计算单元,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应驾驶员的个性化特征信息,并对该驾驶员进行睁闭眼的分类判别以及统计闭眼时间,进行PERCLOS疲劳度量化指标计算;疲劳度判断单元,用于根据所述PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶。
Description
技术领域
本发明涉及安全监控技术领域,特别是涉及一种车辆驾驶员疲劳监测预警系统及方法。
背景技术
随着社会经济的高速发展,汽车数量以及驾驶员数量的迅速增加,汽车给人们生活带来便捷的同时,也引发了许多交通事故。交通安全已经成为社会长期关注的一个热点。疲劳驾驶是引发重大交通事故的重要原因,其引发的重大交通事故占事故总量的40%以上。因此,如果能够检测出驾驶员的疲劳状态并提前预警,则可以一定程度上降低由疲劳驾驶引发的事故发生率。该预警措施也为构建和谐社会提供了保障。
疲劳驾驶监测是一种对行驶过程中驾驶员生理心理及车辆行驶状态等特异性指标进行检测,并确定驾驶员是否疲劳驾驶的手段。目前普遍接受的检测方法主要有如下两种方式:
1)利用生理传感器检测驾驶员的生理变化指标,如脑电、心电、心率、呼吸、肌电等;
2)利用车载传感器检测驾驶员驾驶行为及其产生的车辆行驶状态变化特征,如转向、油门、档位、刹车,及车速、加速度、车辆在车道中的位置等;
上述疲劳检测方法中,生理指标可以最准确的检测出驾驶员疲劳度,但该方法需要在驾驶员身上安装生理信号传感器,限制约束了驾驶员正常的驾驶动作和姿态,无法在实际场景中大范围应用。
以车辆行驶信息作为疲劳度检测的方法,仅需利用车上现有传感器。但该方法只在疲劳程度严重到即将发生事故的时候才能起到预警作用,滞后程度高,无法在疲劳驾驶处于早期状态时给予预警,因此留给驾驶员做出反应的时间窗口非常窄,驾驶员在听到预警时很有可能已无法避免事故的发生。
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车辆驾驶员疲劳监测预警系统及方法,基于驾驶员面部特征、头部姿态信息,能够根据不同驾驶员的习惯以及驾驶员自身的个性化特征,在驾驶员处于疲劳状态时进行自动预警,从而降低由驾驶员疲劳驾驶引发的交通事故发生率。
为达上述及其它目的,本发明提出一种车辆驾驶员疲劳监测预警系统,包括:
人脸检测与跟踪模块,用于获取人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪;
特征点定位单元,于得到人脸区域后,进行人脸关键特征点定位;
归一化处理及特征提取单元,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息;
PERCLOS疲劳度量化指标计算单元,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别以及统计闭眼时间,进行PERCLOS疲劳度量化指标计算;
疲劳度判断单元,用于根据所述PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。
优选地,所述归一化处理及特征提取单元对获得的不同环境光照下的图像进行亮度归一化处理,通过对视频帧图片进行降噪处理,采用几何特征提取的方法,准确获取驾驶员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;采用几何特征提取的方法,获取驾驶员头部偏离竖直坐标轴的偏离度斜角度和头部摇晃频率。
优选地,所述PERCLOS疲劳度量化指标计算单元根据获得的特征信息于所述驾驶员个性化信息数据库中对驾驶员身份信息进行判别,并获取对应驾驶员的个性化特征信息,然后根据获得的特征信息判断出该驾驶员当前是处于睁眼还是闭眼,若为闭眼,则统计闭眼时间,并据此计算所述PERCLOS疲劳度量化指标。
优选地,所述疲劳度判断单元根据所述PERCLOS疲劳度量化指标或/和头部特征信息,综合判断驾驶员是否疲劳驾驶。
优选地,所述疲劳度判断单元根据头部特征信息判断驾驶员疲劳驾驶或分神,包括如下几种情况:
1)驾驶员单次视线偏离持续时间是否超过预设阈值;
2)预设时间内视线偏离的次数是否大于预设阈值;
3)驾驶员头部处于异常状态是否超过预设时间。
优选地,所述系统还包括预警单元,于所述疲劳度判断单元判断出驾驶员处于疲劳或分神状态时,通过声音、震动方式给予提示,提醒驾驶员。
优选地,所述系统还包括驾驶员个性化信息数据库建立单元,用于采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立个性化的驾驶员个性化信息数据库。
优选地,所述驾驶员个性化信息数据库建立单元进一步包括:
人脸图像检测单元,用于采集人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置;
特征点定位单元,于得到人脸区域后,进行人脸关键特征点定位;
特征提取单元,通过对脸部进行归一化的旋转和缩放校正,得到头部姿态信息,并对眼睛的状态进行睁闭眼的分类统计,获得头部姿态信息与面部特征个性化特征信息;
特征存储单元,用于将头部姿态信息与面部特征个性化特征信息录入到所述驾驶员个性化信息数据库中,并与人脸识别得到的身份信息对应。
为达到上述目的,本发明还提供一种车辆驾驶员疲劳监测预警方法,包括如下步骤:
步骤一,实时获取车辆驾驶员的人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪;
步骤二,于得到人脸区域后,进行人脸关键特征点定位;
步骤三,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息;
步骤四,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别、统计闭眼时间,进行PERCLOS疲劳度量化指标计算;
步骤五,根据PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。
优选地,于步骤一之前还包括如下步骤:
采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立所述驾驶员个性化信息数据库。
与现有技术相比,本发明一种车辆驾驶员疲劳监测预警系统及方法通过对不同的驾驶员具有个性化数据库录入及个性化疲劳状态判别能力,对不同的驾驶员具有个性化定制的疲劳度检测,在适应性上与其他疲劳驾驶系统相比有较大提升,本发明能够根据不同驾驶员的习惯以及驾驶员自身的个性化特征,在驾驶员处于疲劳状态时进行自动预警,从而降低由驾驶员疲劳驾驶引发的交通事故发生率。
附图说明
图1为本发明一种车辆驾驶员疲劳监测预警系统的系统架构图;
图2为本发明具体实施例中驾驶员个性化信息数据库建立单元的细部结构图;
图3为本发明一种车辆驾驶员疲劳监测预警方法的步骤流程图;
图4为本发明具体实施例中驾驶员驾驶状态下疲劳监测的工作流程图;
图5为本发明具体实施例中驾驶员非疲劳驾驶与疲劳驾驶个性化信息数据库建立流程图。
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。
1994年,卡内基梅隆大学经过反复试验和论证,提出了度量疲劳的物理量“PERCLOS”,定义为单位时间内(一般取1分钟或者30秒)眼睛闭合一定比例(70%或80%)所占的时间。美国联邦公路管理局(FHWA)和美国国家公路交通安全管理局(NHTSA)在实验室中模拟驾驶,完成了九种疲劳检测指标的比较。结果证明,PERCLOS与驾驶疲劳的相关性最好,因而本发明采用PERCLOS作为驾驶员疲劳度的评价指标。
图1为本发明一种车辆驾驶员疲劳监测预警系统的系统架构图。如图1所示,本发明一种车辆驾驶员疲劳监测预警系统,包括:
人脸检测与跟踪模块101,用于获取人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪。在本发明具体实施例中,人脸检测与跟踪模块101通过设置于车辆驾驶员驾驶位正前方的摄像头获取车辆驾驶员的人脸图像,具体地,可采用面部识别技术对采集到的人脸图像进行检测,获取检测出图像中的人脸区域。由于人脸具有一定的结构分布特征,因此,可通过提取上述特征生成相应的规则,来确定图像中是否包含有人脸,获取人脸所在的位置信息,即检测出人脸区域,当然,也可以,采用基于Haar特征的人脸分类器,检测驾驶员人脸区域。由于人脸区域的检测为现有的成熟技术,在此不予赘述。对于人脸的跟踪,可采用卡尔曼滤波器算法的人脸跟踪算法,跟踪人脸,在此也不予赘述。
特征点定位单元102,于得到人脸区域后,进行人脸关键特征点定位,标注出眼睛、眉毛、鼻子、嘴巴、脸部轮廓等关键几何位置。
在本发明具体实施例中,获取上述人脸图像的关键点的定位结果坐标所使用的关键点算法可以任意选择,不同的算法可以获得不同的定位结果坐标,本实施例可以对其进行估。在本实施例中,可以选择使用ESR(Explicit Shape Regressor,显示形状回归)人脸五官定位算法的随机性获得多组不同的定位结果坐标。
归一化处理及特征提取单元103,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息。这里的眼部特征信息包括眼部张开信息(如上下眼睑距离)和眨眼频率信息,嘴部特征信息包括嘴部张开度(如打哈欠)和嘴部开合的频率,头部特征信息指的是头部姿态和头部摇晃频率,即头部朝向(如头部倾斜角度)和晃动频率。
具体地,特征归一化处理及特征提取单元103,对不同环境光照下的驾驶员图像进行亮度归一化处理,然后通过对视频帧图片进行降噪处理,采用几何特征提取的方法,准确获取驾驶员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;并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斜角度和头部摇晃频率。
PERCLOS疲劳度量化指标计算单元104,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别、统计闭眼时间,进行PERCLOS疲劳度量化指标计算。具体地说,驾驶员个性化信息数据库中预先存储了各驾驶员的个性化特征信息,例如该驾驶员睁眼时上下眼睑的平均距离、闭眼时上下眼睑的平均距离、正常驾驶时头部姿态朝向等,首先根据获得的特征信息于驾驶员个性化信息数据库中对驾驶员身份信息进行判别,并获取对应驾驶员的个性化特征信息,然后根据获得的特征信息判断出该驾驶员当前是处于睁眼还是闭眼,如果是闭眼,则统计闭眼时间,并计算PERCLOS疲劳度量化指标。具体地,可根据当前驾驶员的特征信息计算出上下眼睑的距离,根据获得的个性化特征信息判断该驾驶员当前是否处于闭眼状态,若处于闭眼状态,则统记闭眼时间,并计算PERCLOS疲劳度量化指标,PERCLOS疲劳度量化指标可通过如下公式获得:
PERCLOS值=(眼睛闭合时间/固定时间)*100%
为了便于实现,上式左边的分子分母同时除以每次检测的平均时间,得到下式:
PERCLOS值=(眼睛闭合的帧数/固定帧数)*100%。
疲劳度判断单元105,用于根据PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。具体地,疲劳度判断单元105可根据PERCLOS疲劳度量化指标与预设的阈值进行比较,判定驾驶员是否疲劳驾驶。优选地,在某些情况下,例如当驾驶员头部朝向(例如低头)使得无法检测到眼睛的状态时,仅仅通过PERCLOS疲劳度量化指标则无法正确判断出驾驶员是否疲劳驾驶,因此,较佳地,疲劳度判断单元105可根据PERCLOS疲劳度量化指标或头部特征信息,例如头部朝向,综合判断驾驶员是否疲劳驾驶,例如,当PERCLOS疲劳度量化指标没有超出预设的阈值而头部偏离竖直坐标轴的偏离度斜角度超过一定阈值且持续一定时间时,则判定驾驶员已疲劳。在本发明具体实施例中,对于头部特征信息判断驾驶员疲劳驾驶或分神,包括如下几种情况:
1)驾驶员单次视线偏离持续时间过长,即以头部偏离视线正前方的偏离角度超过一定阈值且持续一定时间;
2)一段时间(例如20s)内视线偏离的次数大于一定的阈值;
3)驾驶员头部长时间处于异常状态,例如头部偏离竖直坐标轴的偏离度斜角度超过一定阈值且持续一定时间
优选地,本发明之车辆驾驶员疲劳监测预警系统还包括预警单元,于疲劳度判断单元105判断出驾驶员处于疲劳或分神状态时,通过声音、震动等预警方式给予提示,提醒驾驶员注意休息。
优选地,本发明之车辆驾驶员疲劳监测预警系统还包括驾驶员个性化信息数据库建立单元,用于采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立个性化的驾驶员个性化信息数据库。
具体地,如图2所示,驾驶员个性化信息数据库建立单元进一步包括:
人脸图像检测单元201,用于采集人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置。
特征点定位单元202,于得到人脸区域后,进行人脸关键特征点定位,标注出眼睛、眉毛、鼻子、嘴巴、脸部轮廓等关键几何位置。
特征提取单元203,通过对脸部进行归一化的旋转和缩放校正,得到头部姿态信息,并对眼睛的状态进行睁闭眼的分类统计,获得头部姿态信息与面部特征等个性化特征信息,例如,计算获得睁眼时上下眼睑的平均距离、闭眼时上下眼睑的平均距离以及正常驾驶时头部姿态朝向等。
特征存储单元204,用于将头部姿态信息与面部特征等个性化特征信息录入到驾驶员个性化信息数据库中,并与人脸识别得到的身份信息对应。
图3为本发明一种车辆驾驶员疲劳监测预警方法的步骤流程图。如图3所示,本发明一种车辆驾驶员疲劳监测预警方法,包括如下步骤:
步骤301,实时获取车辆驾驶员的人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪。在本发明具体实施例中,通过设置于车辆驾驶员驾驶位正前方的摄像头获取车辆驾驶员的人脸图像,具体地,可采用面部识别技术对采集到的人脸图像进行检测,获取检测出图像中的人脸区域。由于人脸具有一定的结构分布特征,因此,可通过提取上述特征生成相应的规则,来确定图像中是否包含有人脸,获取人脸所在的位置信息,即检测出人脸区域,当然,也可以,采用基于Haar特征的人脸分类器,检测驾驶员人脸区域。由于人脸区域的检测为现有的成熟技术,在此不予赘述。对于人脸的跟踪,可采用卡尔曼滤波器算法的人脸跟踪算法,跟踪人脸,在此也不予赘述。
步骤302,于得到人脸区域后,进行人脸关键特征点定位,标注出眼睛、眉毛、鼻子、嘴巴、脸部轮廓等关键几何位置。
在本发明具体实施例中,获取上述人脸图像的关键点的定位结果坐标所使用的关键点算法可以任意选择,不同的算法可以获得不同的定位结果坐标,本实施例可以对其进行估。在本实施例中,可以选择使用ESR(Explicit Shape Regressor,显示形状回归)人脸五官定位算法的随机性获得多组不同的定位结果坐标。
步骤303,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息。这里的眼部特征信息包括眼部张开信息(如上下眼睑距离)和眨眼频率信息,嘴部特征信息包括嘴部张开度(如打哈欠)和嘴部开合的频率,头部特征信息指的是头部姿态和头部摇晃频率,即头部朝向(如头部倾斜角度)和晃动频率。
具体地,于步骤303中,对不同环境光照下的驾驶员图像进行亮度归一化处理,然后通过对视频帧图片进行降噪处理,采用几何特征提取的方法,准确获取驾驶员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;并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,获取驾驶员头部偏离竖直坐标轴的偏离度斜角度和头部摇晃频率。
步骤304,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别、统计闭眼时间,进行PERCLOS疲劳度量化指标计算。具体地说,驾驶员个性化信息数据库中预先存储了各驾驶员的个性化特征信息,例如该驾驶员睁眼时上下眼睑的平均距离、闭眼时上下眼睑的平均距离、正常驾驶时头部姿态朝向等,首先根据获得的特征信息于驾驶员个性化信息数据库中对驾驶员身份信息进行判别,并获取对应驾驶员的个性化特征信息,然后根据获得的特征信息判断出该驾驶员当前是处于睁眼还是闭眼,如果是闭眼,则统计闭眼时间,并计算PERCLOS疲劳度量化指标。具体地,可根据当前驾驶员的特征信息计算出上下眼睑的距离,根据获得的个性化特征信息判断该驾驶员当前是否处于闭眼状态,若处于闭眼状态,则统记闭眼时间,并计算PERCLOS疲劳度量化指标,PERCLOS疲劳度量化指标可通过如下公式获得:
PERCLOS值=(眼睛闭合时间/固定时间)*100%
为了便于实现,上式左边的分子分母同时除以每次检测的平均时间,得到下式:
PERCLOS值=(眼睛闭合的帧数/固定帧数)*100%。
步骤305,根据PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。具体地,可根据PERCLOS疲劳度量化指标与预设的阈值进行比较,判定驾驶员是否疲劳驾驶。优选地,在某些情况下,例如当驾驶员头部朝向(例如低头)使得无法检测到眼睛的状态时,仅仅通过PERCLOS疲劳度量化指标则无法正确判断出驾驶员是否疲劳驾驶,因此,于步骤305中,根据PERCLOS疲劳度量化指标或头部特征信息,例如头部朝向,综合判断驾驶员是否疲劳驾驶,例如,当PERCLOS疲劳度量化指标没有超出预设的阈值而头部偏离竖直坐标轴的偏离度斜角度超过一定阈值且持续一定时间时,则判定驾驶员已疲劳。在本发明具体实施例中,对于头部特征信息判断驾驶员疲劳驾驶或分神,包括如下几种情况:
1)驾驶员单次视线偏离持续时间过长,即以头部偏离视线正前方的偏离角度超过一定阈值且持续一定时间;
2)一段时间(例如20s)内视线偏离的次数大于一定的阈值;
3)驾驶员头部长时间处于异常状态,例如头部偏离竖直坐标轴的偏离度斜角度超过一定阈值且持续一定时间。
优选地,于步骤305之后,本发明之车辆驾驶员疲劳监测预警方法还包括如下步骤:
于判断出驾驶员处于疲劳驾驶或分神状态时,则通过声音、震动等预警方式提醒驾驶员注意休息。
优选地,于步骤301之前,本发明之车辆驾驶员疲劳监测预警方法还包括:
采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立个性化的驾驶员个性化信息数据库。
具体地,驾驶员个性化信息数据库建立过程进一步包括:
步骤S1,采集人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置。
步骤S2,于得到人脸区域后,进行人脸关键特征点定位,标注出眼睛、眉毛、鼻子、嘴巴、脸部轮廓等关键几何位置。
步骤S3,通过对脸部进行归一化的旋转和缩放校正,得到头部姿态信息,并对眼睛的状态进行睁闭眼的分类统计,获得头部姿态信息与面部特征等个性化特征信息,具体地,计算获得睁眼时上下眼睑的平均距离、闭眼时上下眼睑的平均距离以及正常驾驶时头部姿态朝向等。
步骤S4,用于将头部姿态信息与面部特征等个性化特征信息录入到驾驶员个性化信息数据库中,并与人脸识别得到的身份信息进行对应。
图4为本发明具体实施例中车辆驾驶员疲劳监测预警方法的流程图。以下将配合图4来说明本发明之具体实施例:
(1)驾驶员进入车辆,进行数据库身份识别:
a)如果该驾驶员在驾驶员个性化信息数据库中有记录,则进行正常驾驶;
b)如果该驾驶员在驾驶员个性化信息数据库中无记录,则需录入驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,具体地,经过采集图像进行人脸检测,特征点定位及归一化处理获得眼部特征信息、嘴部特征信息以及头部特征信息,根据特征信息计算该驾驶员睁眼时上下眼睑的平均距离、闭眼时上下眼睑的平均距离、正常驾驶时头部姿态朝向生成个性化特征信息存入驾驶员个性化信息数据库中,如图5所示;当然如果驾驶员不希望录入信息,也可以使用系统默认数据,并进入正常驾驶;
(2)驾驶员在正常驾驶过程中,设置于驾驶位正前方的摄像头不断采集人脸图像,并根据驾驶员个性化信息数据库中对应的个性化特征信息分析出面部特征(上下眼睑距离、打哈欠行为等),以及计算出驾驶员头部姿态,并计算出PERCLOS疲劳度量化指标。在特征分析过程中,可对驾驶员图像有如下处理:
a)对不同环境光照下的驾驶员图像经行亮度归一化处理;
b)对不同配饰穿戴状态下(如佩戴眼镜、耳环、留胡须等)的驾驶员图像进行智能特征提取;
c)根据分析出的面部特征及头部姿态,分析驾驶员的驾驶状态、注意力集中点及视觉动态;
d)计算出PERCLOS疲劳度指标,进而对驾驶员的图像流进行疲劳度判定。
(3)在检测驾驶员疲劳度的过程中,将检测几种常用的疲劳及驾驶员分神情况:
a)驾驶员单次视线偏离持续时间过长;
b)一段时间(例如20s)内视线偏离的次数大于一定的阈值;
c)驾驶员头部长时间处于异常状态;
d)驾驶员眼睛睁闭不在正常范围内。
(4)将计算得到的数据与该驾驶员个性化信息数据库中的个性化数据进行比对,获得驾驶员的疲劳度判定结果,并分析驾驶员的疲劳类型及分神情况。
(5)如果驾驶员处于疲劳及分神情况,则通过声音、震动等预警方式提醒驾驶员注意休息。
综上所述,本发明一种车辆驾驶员疲劳监测预警系统及方法通过对不同的驾驶员具有个性化数据库录入及个性化疲劳状态判别能力,对不同的驾驶员具有个性化定制的疲劳度检测,在适应性上与其他疲劳驾驶系统相比有较大提升,本发明能够根据不同驾驶员的习惯以及驾驶员自身的个性化特征,在驾驶员处于疲劳状态时进行自动预警,从而降低由驾驶员疲劳驾驶引发的交通事故发生率。
本发明在驾驶员的多种驾驶环境(如白天黑夜,阴天晴天等)下以及不同配饰穿戴条件下,甚至不同驾驶员特征差异条件下,具有良好的疲劳检测效果,本发明使用PERCLOS疲劳度量化指标及常见的疲劳驾驶情况,能够较为精确地描述出驾驶员的疲劳状态,比现有的疲劳驾驶监测系统更具有普遍适应性以及较好的监测预警效果。
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)
1.一种车辆驾驶员疲劳监测预警系统,包括:
人脸检测与跟踪模块,用于获取人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪;
特征点定位单元,于得到人脸区域后,进行人脸关键特征点定位;
归一化处理及特征提取单元,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息;
PERCLOS疲劳度量化指标计算单元,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别以及统计闭眼时间,进行PERCLOS疲劳度量化指标计算;
疲劳度判断单元,用于根据所述PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。
2.如权利要求1所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述归一化处理及特征提取单元对获得的不同环境光照下的图像进行亮度归一化处理,通过对视频帧图片进行降噪处理,采用几何特征提取的方法,准确获取驾驶员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;采用几何特征提取的方法,获取驾驶员头部偏离竖直坐标轴的偏离度斜角度和头部摇晃频率。
3.如权利要求1所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述PERCLOS疲劳度量化指标计算单元根据获得的特征信息于所述驾驶员个性化信息数据库中对驾驶员身份信息进行判别,并获取对应驾驶员的个性化特征信息,然后根据获得的特征信息判断出该驾驶员当前是处于睁眼还是闭眼,若为闭眼,则统计闭眼时间,并据此计算所述PERCLOS疲劳度量化指标。
4.如权利要求1所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述疲劳度判断单元根据所述PERCLOS疲劳度量化指标或/和头部特征信息,综合判断驾驶员是否疲劳驾驶。
5.如权利要求4所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述疲劳度判断单元根据头部特征信息判断驾驶员疲劳驾驶或分神,包括如下几种情况:
1)驾驶员单次视线偏离持续时间是否超过预设阈值;
2)预设时间内视线偏离的次数是否大于预设阈值;
3)驾驶员头部处于异常状态是否超过预设时间。
6.如权利要求1所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述系统还包括预警单元,于所述疲劳度判断单元判断出驾驶员处于疲劳或分神状态时,通过声音、震动方式给予提示,提醒驾驶员。
7.如权利要求1所述的一种车辆驾驶员疲劳监测预警系统,其特征在于:所述系统还包括驾驶员个性化信息数据库建立单元,用于采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立个性化的驾驶员个性化信息数据库。
8.如权利要求7所述的一种车辆驾驶员疲劳监测预警系统,其特征在于,所述驾驶员个性化信息数据库建立单元进一步包括:
人脸图像检测单元,用于采集人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置;
特征点定位单元,于得到人脸区域后,进行人脸关键特征点定位;
特征提取单元,通过对脸部进行归一化的旋转和缩放校正,得到头部姿态信息,并对眼睛的状态进行睁闭眼的分类统计,获得头部姿态信息与面部特征个性化特征信息;
特征存储单元,用于将头部姿态信息与面部特征个性化特征信息录入到所述驾驶员个性化信息数据库中,并与人脸识别得到的身份信息对应。
9.一种车辆驾驶员疲劳监测预警方法,包括如下步骤:
步骤一,实时获取车辆驾驶员的人脸图像,对获得的人脸图像进行分析和处理,得到人脸区域的位置,并在后续连续处理过程中保持对人脸区域的跟踪;
步骤二,于得到人脸区域后,进行人脸关键特征点定位;
步骤三,对人脸图像进行归一化处理,并进行特征提取,提取出眼部特征信息、嘴部特征信息以及头部特征信息;
步骤四,根据获得的特征信息获取预先建立的驾驶员个性化信息数据库中对应的驾驶员的个性化特征信息,并据此对该驾驶员进行睁闭眼的分类判别、统计闭眼时间,进行PERCLOS疲劳度量化指标计算;
步骤五,根据PERCLOS疲劳度量化指标判断驾驶员是否疲劳驾驶或分神。
10.如权利要求9所述的一种车辆驾驶员疲劳监测预警方法,其特征在于,于步骤一之前还包括如下步骤:
采集并获取驾驶员正常驾驶状态下的面部特征、头部姿态以及模拟疲劳状态下的面部特征、头部姿态,建立所述驾驶员个性化信息数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162233.XA CN108446600A (zh) | 2018-02-27 | 2018-02-27 | 一种车辆驾驶员疲劳监测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810162233.XA CN108446600A (zh) | 2018-02-27 | 2018-02-27 | 一种车辆驾驶员疲劳监测预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108446600A true CN108446600A (zh) | 2018-08-24 |
Family
ID=63192569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810162233.XA Pending CN108446600A (zh) | 2018-02-27 | 2018-02-27 | 一种车辆驾驶员疲劳监测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108446600A (zh) |
Cited By (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063686A (zh) * | 2018-08-29 | 2018-12-21 | 安徽华元智控科技有限公司 | 一种汽车驾驶员疲劳检测方法及系统 |
CN109165630A (zh) * | 2018-09-19 | 2019-01-08 | 南京邮电大学 | 一种基于二维人眼识别的疲劳监测方法 |
CN109291794A (zh) * | 2018-09-28 | 2019-02-01 | 上汽通用五菱汽车股份有限公司 | 驾驶员状态监测方法、汽车以及存储介质 |
CN109598899A (zh) * | 2018-11-09 | 2019-04-09 | 南京大学 | 一种个性化疲劳监测与提醒的系统及方法 |
CN109615216A (zh) * | 2018-12-06 | 2019-04-12 | 合肥海诺恒信息科技有限公司 | 一种基于公安大数据安全应急管理与调度决策系统 |
CN109919134A (zh) * | 2019-03-25 | 2019-06-21 | 王奕然 | 一种基于视觉的运营车辆人员异常行为检测方法 |
CN109934189A (zh) * | 2019-03-19 | 2019-06-25 | 何世全 | 一种驾驶预警方法、系统及终端 |
CN109934207A (zh) * | 2019-04-15 | 2019-06-25 | 华东师范大学 | 基于面部表情疲劳驾驶检测算法的一种驾驶员面部的特征距离修正方法 |
CN109977761A (zh) * | 2019-02-01 | 2019-07-05 | 重庆交互科技有限公司 | 基于面部状态识别的疲劳驾驶唤醒方法及系统 |
CN110059599A (zh) * | 2019-04-08 | 2019-07-26 | 盐城工学院 | 驾驶疲劳预警方法 |
CN110103816A (zh) * | 2019-03-15 | 2019-08-09 | 河南理工大学 | 一种驾驶状态检测方法 |
CN110334600A (zh) * | 2019-06-03 | 2019-10-15 | 武汉工程大学 | 一种多特征融合驾驶员异常表情识别方法 |
CN110491091A (zh) * | 2019-09-08 | 2019-11-22 | 湖北汽车工业学院 | 一种商用车驾驶员疲劳状态监测预警系统 |
CN110558998A (zh) * | 2019-09-17 | 2019-12-13 | 广东工业大学 | 一种基于adas系统的汽车疲劳驾驶检测控制方法 |
CN110956061A (zh) * | 2018-09-27 | 2020-04-03 | 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 |
WO2020078464A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶状态检测方法和装置、驾驶员监控系统、车辆 |
CN111274847A (zh) * | 2018-12-04 | 2020-06-12 | 上海汽车集团股份有限公司 | 一种定位方法 |
CN111291607A (zh) * | 2018-12-06 | 2020-06-16 | 广州汽车集团股份有限公司 | 驾驶员分神检测方法、装置、计算机设备和存储介质 |
CN111539333A (zh) * | 2020-04-24 | 2020-08-14 | 湖北亿咖通科技有限公司 | 驾驶员的注视区域识别及分心检测方法 |
CN111626628A (zh) * | 2020-06-01 | 2020-09-04 | 梅和珍 | 一种用于课外辅导的网络教学系统 |
CN111753586A (zh) * | 2019-03-28 | 2020-10-09 | 合肥工业大学 | 一种疲劳驾驶监测装置及方法 |
CN111832373A (zh) * | 2019-05-28 | 2020-10-27 | 北京伟景智能科技有限公司 | 一种基于多目视觉的汽车驾驶姿态检测方法 |
CN111899471A (zh) * | 2019-05-05 | 2020-11-06 | 东莞潜星电子科技有限公司 | 一种驾驶员疲劳监测系统 |
CN112016429A (zh) * | 2020-08-21 | 2020-12-01 | 高新兴科技集团股份有限公司 | 基于火车驾驶室场景下疲劳驾驶检测方法 |
CN112052770A (zh) * | 2020-08-31 | 2020-12-08 | 北京地平线信息技术有限公司 | 用于疲劳检测的方法、装置、介质以及电子设备 |
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 |
CN112242061A (zh) * | 2019-07-17 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种基于人脸分析的车辆管理系统 |
CN112261581A (zh) * | 2020-10-28 | 2021-01-22 | 成都中科大旗软件股份有限公司 | 基于 gis 地图和多种定位的旅游大巴监管系统 |
CN112289003A (zh) * | 2020-10-23 | 2021-01-29 | 江铃汽车股份有限公司 | 疲劳驾驶不端驾驶行为监测方法及主动安全驾驶监控系统 |
CN112494045A (zh) * | 2020-12-15 | 2021-03-16 | 南通路远科技信息有限公司 | 一种驾驶员疲劳检测方法及装置 |
CN112590799A (zh) * | 2020-10-10 | 2021-04-02 | 禾多科技(北京)有限公司 | 用于控制目标车辆的方法、装置、电子设备和介质 |
CN112699807A (zh) * | 2020-12-31 | 2021-04-23 | 车主邦(北京)科技有限公司 | 一种驾驶员状态信息监控方法和装置 |
CN112754498A (zh) * | 2021-01-11 | 2021-05-07 | 一汽解放汽车有限公司 | 驾驶员的疲劳检测方法、装置、设备及存储介质 |
CN112907897A (zh) * | 2021-02-26 | 2021-06-04 | 浙江南盾科技发展有限公司 | 一种车载防疲劳驾驶提醒设备 |
CN112991685A (zh) * | 2021-02-10 | 2021-06-18 | 武汉理工大学 | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 |
CN113095108A (zh) * | 2019-12-23 | 2021-07-09 | 中移物联网有限公司 | 一种疲劳驾驶检测方法及装置 |
CN113191214A (zh) * | 2021-04-12 | 2021-07-30 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种驾驶人员失误操作风险预警方法及系统 |
CN113297966A (zh) * | 2021-05-25 | 2021-08-24 | 郑州铁路职业技术学院 | 一种基于多重刺激的夜间学习方法 |
CN113743232A (zh) * | 2021-08-09 | 2021-12-03 | 广州铁路职业技术学院(广州铁路机械学校) | 一种城轨司机疲劳检测方法 |
CN113780125A (zh) * | 2021-08-30 | 2021-12-10 | 武汉理工大学 | 一种驾驶员多特征融合的疲劳状态检测方法及装置 |
CN113807126A (zh) * | 2020-06-12 | 2021-12-17 | 广州汽车集团股份有限公司 | 一种疲劳驾驶检测方法及其系统、计算机设备、存储介质 |
CN114162131A (zh) * | 2020-09-10 | 2022-03-11 | 华为技术有限公司 | 一种驾驶行为监测方法及装置 |
CN114173090A (zh) * | 2021-12-01 | 2022-03-11 | 长安大学 | 一种基于knn算法的纠正驾驶员驾驶行为的方法 |
US11341786B1 (en) | 2020-11-13 | 2022-05-24 | Samsara Inc. | Dynamic delivery of vehicle event data |
US11386325B1 (en) | 2021-11-12 | 2022-07-12 | Samsara Inc. | Ensemble neural network state machine for detecting distractions |
CN115366909A (zh) * | 2022-10-21 | 2022-11-22 | 四川省公路规划勘察设计研究院有限公司 | 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备 |
CN115810253A (zh) * | 2022-11-25 | 2023-03-17 | 同济大学 | 一种驾驶员微入睡事件短临预测的方法及系统 |
CN116012822A (zh) * | 2022-12-26 | 2023-04-25 | 无锡车联天下信息技术有限公司 | 一种疲劳驾驶的识别方法、装置及电子设备 |
US11643102B1 (en) * | 2020-11-23 | 2023-05-09 | Samsara Inc. | Dash cam with artificial intelligence safety event detection |
US11780446B1 (en) | 2020-11-13 | 2023-10-10 | Samsara Inc. | Refining event triggers using machine learning model feedback |
US11866055B1 (en) | 2021-11-12 | 2024-01-09 | Samsara Inc. | Tuning layers of a modular neural network |
CN118247775A (zh) * | 2024-05-22 | 2024-06-25 | 深圳市翔飞科技股份有限公司 | 基于摄像机的智能疲劳驾驶监测预警方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104269028A (zh) * | 2014-10-23 | 2015-01-07 | 深圳大学 | 一种疲劳驾驶检测方法及系统 |
CN104574817A (zh) * | 2014-12-25 | 2015-04-29 | 清华大学苏州汽车研究院(吴江) | 一种适用于智能手机的基于机器视觉疲劳驾驶预警系统 |
CN105574487A (zh) * | 2015-11-26 | 2016-05-11 | 中国第一汽车股份有限公司 | 基于面部特征的驾驶人注意力状态检测方法 |
WO2017193272A1 (zh) * | 2016-05-10 | 2017-11-16 | 深圳市赛亿科技开发有限公司 | 一种基于人脸识别的车载疲劳预警系统及预警方法 |
CN108021875A (zh) * | 2017-11-27 | 2018-05-11 | 上海灵至科技有限公司 | 一种车辆驾驶员个性化疲劳监测及预警方法 |
-
2018
- 2018-02-27 CN CN201810162233.XA patent/CN108446600A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104269028A (zh) * | 2014-10-23 | 2015-01-07 | 深圳大学 | 一种疲劳驾驶检测方法及系统 |
CN104574817A (zh) * | 2014-12-25 | 2015-04-29 | 清华大学苏州汽车研究院(吴江) | 一种适用于智能手机的基于机器视觉疲劳驾驶预警系统 |
CN105574487A (zh) * | 2015-11-26 | 2016-05-11 | 中国第一汽车股份有限公司 | 基于面部特征的驾驶人注意力状态检测方法 |
WO2017193272A1 (zh) * | 2016-05-10 | 2017-11-16 | 深圳市赛亿科技开发有限公司 | 一种基于人脸识别的车载疲劳预警系统及预警方法 |
CN108021875A (zh) * | 2017-11-27 | 2018-05-11 | 上海灵至科技有限公司 | 一种车辆驾驶员个性化疲劳监测及预警方法 |
Cited By (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063686A (zh) * | 2018-08-29 | 2018-12-21 | 安徽华元智控科技有限公司 | 一种汽车驾驶员疲劳检测方法及系统 |
CN109165630A (zh) * | 2018-09-19 | 2019-01-08 | 南京邮电大学 | 一种基于二维人眼识别的疲劳监测方法 |
CN110956061A (zh) * | 2018-09-27 | 2020-04-03 | 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 |
CN110956061B (zh) * | 2018-09-27 | 2024-04-16 | 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 |
CN109291794A (zh) * | 2018-09-28 | 2019-02-01 | 上汽通用五菱汽车股份有限公司 | 驾驶员状态监测方法、汽车以及存储介质 |
US11308723B2 (en) | 2018-10-19 | 2022-04-19 | Shanghai Sensetime Intelligent Technology Co., Ltd. | Driving state detection method and apparatus, driver monitoring system and vehicle |
WO2020078464A1 (zh) * | 2018-10-19 | 2020-04-23 | 上海商汤智能科技有限公司 | 驾驶状态检测方法和装置、驾驶员监控系统、车辆 |
CN109598899A (zh) * | 2018-11-09 | 2019-04-09 | 南京大学 | 一种个性化疲劳监测与提醒的系统及方法 |
CN111274847A (zh) * | 2018-12-04 | 2020-06-12 | 上海汽车集团股份有限公司 | 一种定位方法 |
CN111291607B (zh) * | 2018-12-06 | 2021-01-22 | 广州汽车集团股份有限公司 | 驾驶员分神检测方法、装置、计算机设备和存储介质 |
CN111291607A (zh) * | 2018-12-06 | 2020-06-16 | 广州汽车集团股份有限公司 | 驾驶员分神检测方法、装置、计算机设备和存储介质 |
CN109615216A (zh) * | 2018-12-06 | 2019-04-12 | 合肥海诺恒信息科技有限公司 | 一种基于公安大数据安全应急管理与调度决策系统 |
CN109977761A (zh) * | 2019-02-01 | 2019-07-05 | 重庆交互科技有限公司 | 基于面部状态识别的疲劳驾驶唤醒方法及系统 |
CN110103816B (zh) * | 2019-03-15 | 2022-04-19 | 河南理工大学 | 一种驾驶状态检测方法 |
CN110103816A (zh) * | 2019-03-15 | 2019-08-09 | 河南理工大学 | 一种驾驶状态检测方法 |
CN109934189A (zh) * | 2019-03-19 | 2019-06-25 | 何世全 | 一种驾驶预警方法、系统及终端 |
CN109934189B (zh) * | 2019-03-19 | 2021-08-13 | 山东同云网络科技有限公司 | 一种驾驶预警方法、系统及终端 |
CN109919134B (zh) * | 2019-03-25 | 2023-04-18 | 王奕然 | 一种基于视觉的运营车辆人员异常行为检测方法 |
CN109919134A (zh) * | 2019-03-25 | 2019-06-21 | 王奕然 | 一种基于视觉的运营车辆人员异常行为检测方法 |
CN111753586A (zh) * | 2019-03-28 | 2020-10-09 | 合肥工业大学 | 一种疲劳驾驶监测装置及方法 |
CN110059599A (zh) * | 2019-04-08 | 2019-07-26 | 盐城工学院 | 驾驶疲劳预警方法 |
CN109934207A (zh) * | 2019-04-15 | 2019-06-25 | 华东师范大学 | 基于面部表情疲劳驾驶检测算法的一种驾驶员面部的特征距离修正方法 |
CN111899471A (zh) * | 2019-05-05 | 2020-11-06 | 东莞潜星电子科技有限公司 | 一种驾驶员疲劳监测系统 |
CN111832373A (zh) * | 2019-05-28 | 2020-10-27 | 北京伟景智能科技有限公司 | 一种基于多目视觉的汽车驾驶姿态检测方法 |
CN110334600A (zh) * | 2019-06-03 | 2019-10-15 | 武汉工程大学 | 一种多特征融合驾驶员异常表情识别方法 |
CN112242061A (zh) * | 2019-07-17 | 2021-01-19 | 杭州海康威视数字技术股份有限公司 | 一种基于人脸分析的车辆管理系统 |
CN110491091A (zh) * | 2019-09-08 | 2019-11-22 | 湖北汽车工业学院 | 一种商用车驾驶员疲劳状态监测预警系统 |
CN110558998A (zh) * | 2019-09-17 | 2019-12-13 | 广东工业大学 | 一种基于adas系统的汽车疲劳驾驶检测控制方法 |
CN113095108B (zh) * | 2019-12-23 | 2023-11-10 | 中移物联网有限公司 | 一种疲劳驾驶检测方法及装置 |
CN113095108A (zh) * | 2019-12-23 | 2021-07-09 | 中移物联网有限公司 | 一种疲劳驾驶检测方法及装置 |
CN111539333B (zh) * | 2020-04-24 | 2021-06-29 | 湖北亿咖通科技有限公司 | 驾驶员的注视区域识别及分心检测方法 |
CN111539333A (zh) * | 2020-04-24 | 2020-08-14 | 湖北亿咖通科技有限公司 | 驾驶员的注视区域识别及分心检测方法 |
CN111626628A (zh) * | 2020-06-01 | 2020-09-04 | 梅和珍 | 一种用于课外辅导的网络教学系统 |
CN113807126A (zh) * | 2020-06-12 | 2021-12-17 | 广州汽车集团股份有限公司 | 一种疲劳驾驶检测方法及其系统、计算机设备、存储介质 |
CN112016429A (zh) * | 2020-08-21 | 2020-12-01 | 高新兴科技集团股份有限公司 | 基于火车驾驶室场景下疲劳驾驶检测方法 |
CN112052770A (zh) * | 2020-08-31 | 2020-12-08 | 北京地平线信息技术有限公司 | 用于疲劳检测的方法、装置、介质以及电子设备 |
WO2022052754A1 (zh) * | 2020-09-10 | 2022-03-17 | 华为技术有限公司 | 一种驾驶行为监测方法及装置 |
CN114162131A (zh) * | 2020-09-10 | 2022-03-11 | 华为技术有限公司 | 一种驾驶行为监测方法及装置 |
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 |
CN112590799A (zh) * | 2020-10-10 | 2021-04-02 | 禾多科技(北京)有限公司 | 用于控制目标车辆的方法、装置、电子设备和介质 |
CN112289003A (zh) * | 2020-10-23 | 2021-01-29 | 江铃汽车股份有限公司 | 疲劳驾驶不端驾驶行为监测方法及主动安全驾驶监控系统 |
CN112289003B (zh) * | 2020-10-23 | 2022-06-17 | 江铃汽车股份有限公司 | 疲劳驾驶不端驾驶行为监测方法及主动安全驾驶监控系统 |
CN112261581A (zh) * | 2020-10-28 | 2021-01-22 | 成都中科大旗软件股份有限公司 | 基于 gis 地图和多种定位的旅游大巴监管系统 |
US11780446B1 (en) | 2020-11-13 | 2023-10-10 | Samsara Inc. | Refining event triggers using machine learning model feedback |
US11341786B1 (en) | 2020-11-13 | 2022-05-24 | Samsara Inc. | Dynamic delivery of vehicle event data |
US11688211B1 (en) | 2020-11-13 | 2023-06-27 | Samsara Inc. | Dynamic delivery of vehicle event data |
US11643102B1 (en) * | 2020-11-23 | 2023-05-09 | Samsara Inc. | Dash cam with artificial intelligence safety event detection |
CN112494045A (zh) * | 2020-12-15 | 2021-03-16 | 南通路远科技信息有限公司 | 一种驾驶员疲劳检测方法及装置 |
CN112699807A (zh) * | 2020-12-31 | 2021-04-23 | 车主邦(北京)科技有限公司 | 一种驾驶员状态信息监控方法和装置 |
CN112754498A (zh) * | 2021-01-11 | 2021-05-07 | 一汽解放汽车有限公司 | 驾驶员的疲劳检测方法、装置、设备及存储介质 |
CN112991685A (zh) * | 2021-02-10 | 2021-06-18 | 武汉理工大学 | 考虑驾驶人疲劳状态影响的交通系统风险评估及预警方法 |
CN112907897A (zh) * | 2021-02-26 | 2021-06-04 | 浙江南盾科技发展有限公司 | 一种车载防疲劳驾驶提醒设备 |
CN113191214A (zh) * | 2021-04-12 | 2021-07-30 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种驾驶人员失误操作风险预警方法及系统 |
CN113297966A (zh) * | 2021-05-25 | 2021-08-24 | 郑州铁路职业技术学院 | 一种基于多重刺激的夜间学习方法 |
CN113743232A (zh) * | 2021-08-09 | 2021-12-03 | 广州铁路职业技术学院(广州铁路机械学校) | 一种城轨司机疲劳检测方法 |
CN113780125A (zh) * | 2021-08-30 | 2021-12-10 | 武汉理工大学 | 一种驾驶员多特征融合的疲劳状态检测方法及装置 |
US11386325B1 (en) | 2021-11-12 | 2022-07-12 | Samsara Inc. | Ensemble neural network state machine for detecting distractions |
US11866055B1 (en) | 2021-11-12 | 2024-01-09 | Samsara Inc. | Tuning layers of a modular neural network |
US11995546B1 (en) | 2021-11-12 | 2024-05-28 | Samsara Inc. | Ensemble neural network state machine for detecting distractions |
CN114173090A (zh) * | 2021-12-01 | 2022-03-11 | 长安大学 | 一种基于knn算法的纠正驾驶员驾驶行为的方法 |
CN115366909A (zh) * | 2022-10-21 | 2022-11-22 | 四川省公路规划勘察设计研究院有限公司 | 长大纵坡路段驾驶员事故动态预警方法、装置及电子设备 |
CN115810253A (zh) * | 2022-11-25 | 2023-03-17 | 同济大学 | 一种驾驶员微入睡事件短临预测的方法及系统 |
CN116012822A (zh) * | 2022-12-26 | 2023-04-25 | 无锡车联天下信息技术有限公司 | 一种疲劳驾驶的识别方法、装置及电子设备 |
CN116012822B (zh) * | 2022-12-26 | 2024-01-30 | 无锡车联天下信息技术有限公司 | 一种疲劳驾驶的识别方法、装置及电子设备 |
CN118247775A (zh) * | 2024-05-22 | 2024-06-25 | 深圳市翔飞科技股份有限公司 | 基于摄像机的智能疲劳驾驶监测预警方法及系统 |
CN118247775B (zh) * | 2024-05-22 | 2024-07-30 | 深圳市翔飞科技股份有限公司 | 基于摄像机的智能疲劳驾驶监测预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警系统及方法 | |
CN104183091B (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
CN104809445B (zh) | 基于眼部和嘴部状态的疲劳驾驶检测方法 | |
Wang et al. | Driver fatigue detection: a survey | |
Dong et al. | Driver inattention monitoring system for intelligent vehicles: A review | |
CN102054163B (zh) | 基于单目视觉的驾驶员疲劳检测方法 | |
CN106585629B (zh) | 一种车辆控制方法和装置 | |
Ueno et al. | Development of drowsiness detection system | |
CN105719431A (zh) | 一种疲劳驾驶检测系统 | |
CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
CN101639894B (zh) | 在线检测列车驾驶员行为和疲劳状态的方法及其检测系统 | |
CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
Liu et al. | Driver fatigue detection through pupil detection and yawing analysis | |
Feng et al. | An on-board system for detecting driver drowsiness based on multi-sensor data fusion using Dempster-Shafer theory | |
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 | |
CN106080194A (zh) | 防疲劳驾驶的预警方法和系统 | |
CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
CN103049740A (zh) | 基于视频图像的疲劳状态检测方法及装置 | |
CN109740477A (zh) | 驾驶员疲劳检测系统及其疲劳检测方法 | |
Charniya et al. | Drunk driving and drowsiness detection | |
Tang et al. | Real-time image-based driver fatigue detection and monitoring system for monitoring driver vigilance | |
Hasan et al. | State-of-the-art analysis of modern drowsiness detection algorithms based on computer vision | |
Alam et al. | Active vision-based attention monitoring system for non-distracted driving | |
Bergasa et al. | Real-time system for monitoring driver vigilance | |
Wang et al. | Driver fatigue detection technology in active safety systems |
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: 20180824 |