CN108932461A - 一种疲劳检测方法及装置 - Google Patents

一种疲劳检测方法及装置 Download PDF

Info

Publication number
CN108932461A
CN108932461A CN201710388612.6A CN201710388612A CN108932461A CN 108932461 A CN108932461 A CN 108932461A CN 201710388612 A CN201710388612 A CN 201710388612A CN 108932461 A CN108932461 A CN 108932461A
Authority
CN
China
Prior art keywords
value
preset
frame image
preset value
detected
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
Application number
CN201710388612.6A
Other languages
English (en)
Inventor
朱丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201710388612.6A priority Critical patent/CN108932461A/zh
Publication of CN108932461A publication Critical patent/CN108932461A/zh
Pending legal-status Critical Current

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
    • G06V40/172—Classification, e.g. identification
    • 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
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • 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
    • G06V40/169—Holistic features and representations, i.e. based on the facial image taken as a whole

Landscapes

  • Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种疲劳检测方法及装置，方法包括：获取针对待检测人员的第一预设数量帧图像；确定每帧图像中的面部特征，并判断所述面部特征是否符合预先设定的疲劳条件；如果符合，对该帧图像进行标记；若被标记的图像数量大于预设值，确定所述待检测人员处于疲劳状态。应用本方案，第一方面，不需要利用昂贵的测量仪器，降低了检测成本；第二方面，获取针对待检测人员的多帧图像，对多帧图像进行分析，相比于仅对一帧图像进行分析，降低了检测的偶然性，提高了检测的准确性。

Description

一种疲劳检测方法及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种疲劳检测方法及装置。
背景技术
当工作人员处于疲劳状态时，其工作质量也会下降。而在一些行业中，疲劳状态甚至会带来很大的危险。比如，在交通运输业，驾驶员疲劳驾驶，可能会引起交通事故。
目前，现有方案已经可以实现对驾驶员的疲劳检测，具体包括：在驾驶室内安装测量仪器，测量驾驶员的脑电波、肌电波等人体特征，根据测量结果，判断驾驶员是否处于疲劳状态。
但是，测量仪器价格昂贵，上述疲劳检测的成本较高。
发明内容
本发明实施例的目的在于提供一种疲劳检测方法及装置，以降低检测成本。
为达到上述目的，本发明实施例公开了一种疲劳检测方法，包括：
获取针对待检测人员的第一预设数量帧图像；
确定每帧图像中的面部特征，并判断所述面部特征是否符合预先设定的疲劳条件；
如果符合，对该帧图像进行标记；
若被标记的图像数量大于预设值，确定所述待检测人员处于疲劳状态；所述预设值不大于所述第一预设数量。
可选的，在所述确定每帧图像中的面部特征的步骤之前，还可以包括：
确定每帧图像中的头部姿态；
若头部姿态朝左或朝右，确定所述待检测人员处于非疲劳状态；
若头部姿态朝前，执行所述确定每帧图像中的面部特征的步骤。
可选的，在所述确定每帧图像中的头部姿态的步骤之后，还可以包括：
若头部姿态朝下，输出提示信息。
可选的，所述面部特征包括眼部特征，所述确定每帧图像中的面部特征的步骤，可以包括：
针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；
在所确定的眼部区域中，识别该帧图像的眼部特征；
和/或，所述面部特征包括嘴部特征，所述确定每帧图像中的面部特征的步骤，可以包括：
针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；
在所确定的嘴部区域中，识别该帧图像的嘴部特征。
可选的，所述在所确定的眼部区域中，识别该帧图像的眼部特征的步骤，可以包括：
读取所述眼部区域各像素点的像素值；
将所读取的像素值转换至预设色彩空间；
在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；
根据所述白像素点，确定眼白面积及眼部矩形框面积；
计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
判断所述第一比值是否小于第一预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述在所确定的眼部区域中，识别该帧图像的眼部特征的步骤，可以包括：
读取所述眼部区域各像素点的像素值；
将所读取的像素值转换至预设色彩空间；
在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；
根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
计算所述距离与预先确定的所述待检测人员的平均眼皮距离的第二比值；其中，所述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值；
判断所述第二比值是否小于第二预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述在所确定的嘴部区域中，识别该帧图像的嘴部特征的步骤，可以包括：
对所述嘴部区域进行分析，得到嘴部矩形框；
确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
判断所述高度值是否大于所述宽度值，如果是，表示符合预先设定的疲劳条件；
或者，计算所述高度值与所述宽度值的第三比值；判断所述第三比值是否大于第三预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述方法还可以包括：
确定当前环境参数；
根据所述当前环境参数，对所述预设值进行设定。
可选的，所述待检测人员为驾驶员；所述当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值；
所述根据所述当前环境参数，对所述预设值进行设定的步骤，可以包括：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
可选的，所述预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；
所述根据所述当前环境参数，对所述预设值进行设定的步骤，还可以包括：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
可选的，在所述获取针对待检测人员的第一预设数量帧图像的步骤之后，还可以包括：
利用人脸检测模型，检测所获取的图像中的人脸区域；
所述确定每帧图像中的面部特征的步骤，包括：
在检测到的人脸区域中，根据面部比例，确定面部特征。
为达到上述目的，本发明实施例还公开了一种疲劳检测装置，包括：
获取模块，用于获取针对待检测人员的第一预设数量帧图像；
第一确定模块，用于确定每帧图像中的面部特征；
判断模块，用于判断所述面部特征是否符合预先设定的疲劳条件；
标记模块，用于对所述判断模块判断结果为是的图像进行标记；
第二确定模块，用于在被标记的图像数量大于预设值的情况下，确定所述待检测人员处于疲劳状态；所述预设值不大于所述第一预设数量。
可选的，所述装置还可以包括：
第三确定模块，用于在所述第一确定模块确定每帧图像中的面部特征之前，确定每帧图像中的头部姿态；若头部姿态朝左或朝右，触发第四确定模块，若头部姿态朝前，触发所述第一确定模块；
第四确定模块，用于确定所述待检测人员处于非疲劳状态。
可选的，所述装置还可以包括：
输出模块，用于在所述第三确定模块确定头部姿态朝下的情况下，输出提示信息。
可选的，所述面部特征包括眼部特征，所述第一确定模块，可以包括：
第一确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；
第一识别子模块，用于在所确定的眼部区域中，识别该帧图像的眼部特征；
和/或，所述面部特征包括嘴部特征，所述第一确定模块，可以包括：
第二确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；
第二识别子模块，用于在所确定的嘴部区域中，识别该帧图像的嘴部特征。
可选的，所述第一识别模块，具体可以用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定眼白面积及眼部矩形框面积；计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征；
所述判断模块，具体可以用于：
判断所述第一比值是否小于第一预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述第一识别模块，具体可以用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征；
所述判断模块，具体可以用于：
计算所述距离与预先确定的所述待检测人员的平均眼皮距离的第二比值；其中，所述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值；
判断所述第二比值是否小于第二预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述第二识别模块，具体可以用于：
对所述嘴部区域进行分析，得到嘴部矩形框；确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征；
所述判断模块，具体可以用于：
判断所述高度值是否大于所述宽度值，如果是，表示符合预先设定的疲劳条件；
或者，计算所述高度值与所述宽度值的第三比值；判断所述第三比值是否大于第三预设数值，如果是，表示符合预先设定的疲劳条件。
可选的，所述装置还可以包括：
第五确定模块，用于确定当前环境参数；
设定模块，用于根据所述当前环境参数，对所述预设值进行设定。
可选的，所述待检测人员为驾驶员；所述当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值；
所述设定模块，具体可以用于：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
可选的，所述预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；
所述设定模块，还可以用于：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
可选的，所述装置还可以包括：
检测模块，用于利用人脸检测模型，检测所述获取模块获取的图像中的人脸区域；
所述第一确定模块，具体可以用于：
在所述检测模块检测到的人脸区域中，根据面部比例，确定面部特征。
应用本发明实施例，第一方面，不需要利用昂贵的测量仪器，降低了检测成本；第二方面，获取针对待检测人员的多帧图像，对多帧图像进行分析，相比于仅对一帧图像进行分析，降低了检测的偶然性，提高了检测的准确性。
当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
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他的附图。
图1为本发明实施例提供的一种疲劳检测方法的流程示意图；
图2为本发明实施例中的一种头部姿态分类示意图；
图3为本发明实施例中的一种面部比例划分示意图；
图4为本发明实施例中的一种眼部矩形框示意图；
图5为本发明实施例中的一种嘴部矩形框示意图；
图6为本发明实施例提供的一种疲劳检测装置的结构示意图。
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。
为了解决上述技术问题，本发明实施例提供了一种疲劳检测方法及装置，该方法可以应用于具有图像处理功能的图像采集设备，也可以应用于与图像采集设备通信连接的其他电子设备，具体不做限定。
下面首先对本发明实施例提供的疲劳检测方法进行详细说明。
图1为本发明实施例提供的一种疲劳检测方法的流程示意图，包括：
S101：获取针对待检测人员的第一预设数量帧图像。
需要说明的是，本发明实施例的应用场景可以为驾驶室，相应的，待检测人员为驾驶员；应用场景也可以为生产线，相应的，待检测人员为生产线上的工人。本发明实施例不对具体应用场景进行限定，也不对待检测人员进行限定。
如果执行本方案的设备为图像采集设备，则可以直接获取针对待检测人员的图像，如果执行本方案的设备为其他电子设备，该电子设备可以从与自身相连的图像采集设备中获取针对待检测人员的图像，这都是合理的。
第一预设数量根据实际情况进行设定，具体不做限定。作为一种实施方式，S101中所获取的图像可以为预设时间段内采集到的图像，比如，预设时间段为1分钟，第一预设数量为24，或者，预设时间段为10分钟，第一预设数量为240。本方案可以每预设周期执行一次，或者随机时间间隔执行一次，具体不做限定。
S102：确定每帧图像中的面部特征。
作为一种实施方式，在S102之前，可以先利用人脸检测模型，检测所获取的图像中的人脸区域。
本领域技术人员可以理解，应用这种实施方式，可以预先建立该人脸检测模型。例如，可以基于SVM(Support Vector Machine，支持向量机)算法、或者集合分类器Boosting算法、或者其他算法，对多张人脸图像进行训练，提取训练样本的图像特征，比如颜色特征和/或纹理特征，基于提取到的图像特征，建立该人脸检测模型。
然后，针对S101中获取的每帧图像，提取该帧图像的图像特征，并将该图像特征与该人脸检测模型进行匹配，匹配成功的区域即为该帧图像中的人脸区域。
需要说明的是，建立人脸检测模型过程中提取的图像特征、与检测人脸区域过程中提取的图像特征是相对应的，比如，利用纹理特征建立人脸检测模型，则后续也应提取S101中图像的纹理特征，与该人脸检测模型进行匹配。
举例来说，上述纹理特征可以为Haar-like特征与HOG(Histogram of OrientedGradient，方向梯度直方图)构成的综合纹理特征，这样可以提高人脸检测模型的准确度。
检测出图像中的人脸区域后，便可以在检测到的人脸区域中，根据面部比例，确定面部特征。
作为一种实施方式，在S102之前，可以先确定每帧图像中的头部姿态；若头部姿态朝左或朝右，确定所述待检测人员处于非疲劳状态；若头部姿态朝前，再执行S102。
可以理解，如果待检测人员向左看或者向右看，该人员通常处于非疲劳状态，而如果该人员向前看时，可能处于正常驾驶状态(非疲劳状态)，也可能处于疲劳状态，这需要执行S102及以下步骤进行进一步的判断。
另外，若待检测人员的头部姿态朝下，可以输出提示信息。
可以理解，如果待检测人员向下看，表示其注意力不集中，这种情况下，可以输出提示信息，提醒该人员集中注意力。
具体的，可以如图2所示，将待检测人员的头部姿态分为4种情况：朝左、朝右、朝下、朝前，利用机器学习算法及分类器，训练得到图2中4种头部姿态模型，然后将图像与训练得到的头部姿态模型进行匹配，根据匹配结果，确定图像中的头部姿态。或者，头部姿态也可以分为其他情况，具体不做限定。
作为一种实施方式，S102中的面部特征可以包括眼部特征，这种情况下，S102可以包括：
针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；在所确定的眼部区域中，识别该帧图像的眼部特征。
举例来说，可以如图3所示，基于“三庭五眼”的面部比例：将脸部的长度(从额头发际线到下颚)三等分为“三庭”，上庭[0，1/3]、中庭[1/3，2/3]和下庭[2/3，1]；取人脸区域的[1/3，1/2]部分，可以粗定位眼部区域。这种定位方法速度较快。
或者，也可以利用SVM算法、或者集合分类器Boosting算法、或者其他算法，预先训练得到眼部检测模型，利用眼部检测模型定位眼部区域。这种定位方法准确度较高。
作为一种实施方式，可以读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定眼白面积及眼部矩形框面积；计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征。
通常情况下，各像素点的像素值为RGB(Red、Green、Blue，红绿蓝)空间中的像素值。在本实施方式中，将上述定位出的眼部区域中像素点的像素值转换至其他色彩空间，比如，YCbCr(Y为颜色的亮度成分、Cb为蓝色的浓度偏移量成分、Cr为红色的浓度偏移量成分)空间。
具体的转换算式可以为：
Y＝0.257*R+0.564*G+0.098*B+16
Cb＝-0.148*R-0.291*G+0.439*B+128
Cr＝0.439*R-0.368*G-0.071*B+128
在YcbCr空间中，查找位于预设像素值区间内的白像素点。本领域技术人员可以理解，白像素点在YcbCr空间聚类性较好，因此，在YcbCr空间中查找白像素点，准确度较高。
如图4所示，查找到白像素点后，便可以确定出眼白面积以及眼部矩形框面积。在本实施方式中，将眼白面积与眼部矩形框面积的比值作为该帧图像的眼部特征。
或者，作为另一种实施方式，可以读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征。
在本实施方式中，将定位出的眼部区域中像素点的像素值转换至预设色彩空间，并在预设色彩空间查找到白像素点(这部分过程与上述实施方式类似，不再赘述)后，根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征。
也就是说，在本实施方式中，将上下眼皮距离作为该帧图像的眼部特征。
或者，也可以结合上述两种实施方式，将眼白面积与眼部矩形框面积的比值、以及上下眼皮距离均作为该帧图像的眼部特征。
或者，也可以采取另外一种实施方式，S102中的面部特征可以包括嘴部特征。这种情况下，S102可以包括：
针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；在所确定的嘴部区域中，识别该帧图像的嘴部特征。
举例来说，可以如图3所示，基于“三庭五眼”的面部比例：将脸部的长度(从额头发际线到下颚)三等分为“三庭”，上庭[0，1/3]、中庭[1/3，2/3]和下庭[2/3，1]；取人脸区域的[2/3，1]部分，可以粗定位嘴部区域。这种定位方法速度较快。
或者，也可以利用SVM算法、或者集合分类器Boosting算法、或者其他算法，预先训练得到嘴部检测模型，利用嘴部检测模型定位嘴部区域。这种定位方法准确度较高。
定位出嘴部区域后，可以对嘴部区域进行分析，得到嘴部矩形框；确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征。
分析算法可以有多种，比如二值化分析法等，具体不做限定。如图5所示，可以得到嘴部矩形框。在本实施方式中，将嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征。
也就是说，本实施例中的“面部特征”，可以为眼部特征和/或嘴部特征；其中，眼部特征可以包括：眼白面积与眼部矩形框面积的比值、和/或上下眼皮距离；嘴部特征可以包括：嘴部矩形框的高度值及宽度值。或者，也可以为其他，具体不做限定。
S103：判断所述面部特征是否符合预先设定的疲劳条件，如果是，执行S104。
S104：对该帧图像进行标记。
可以理解，本实施例中可以针对不同的面部特征设定不同的疲劳条件。
举例来说，如果面部特征为眼部特征中的“眼白面积与眼部矩形框面积的比值(第一比值)”，则对应的疲劳条件可以为“小于第一预设数值”，具体的，第一预设数值可以根据实际情况进行设定，比如0.2。
也就是说，当眼白面积/眼部矩形框面积<0.2时，表示该帧图像中的面部特征符合预先设定的疲劳条件。可以理解，当待检测人员处于疲劳状态时，其眼睛会闭合，采集到的眼白面积会较小，因此，当眼白面积/眼部矩形框面积较小时，可以认为符合疲劳条件。
应用这种实施方式，将待检测人员自身的眼白面积与眼部矩形框面积进行对比，相比于其他方案中，将待检测人员的眼部特征与统一的预设值进行对比，能够减少个体差异造成的影响，准确度更高。
如果面部特征为眼部特征中的“上下眼皮距离”，则对应的疲劳条件可以为“所述距离与该待检测人员的平均眼皮距离的比值(第二比值)小于第二预设数值”，具体的，第二预设数值可以根据实际情况进行设定，比如0.3。
也就是说，当该帧图像中的上下眼皮距离/该待检测人员的平均眼皮距离<0.3时，表示该帧图像中的面部特征符合预先设定的疲劳条件。可以理解，当待检测人员处于疲劳状态时，其眼睛会闭合，上下眼皮距离会较小，因此，当上下眼皮距离较小时，可以认为符合疲劳条件。
需要说明的是，上述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值。
该平均眼皮距离可以是预先确定的。该第二预设数量可以根据实际情况进行设定。具体来说，确定该待检测人员的平均眼皮距离的过程可以包括：
在S101之前获取针对同一待检测人员的多帧图像；针对每帧图像，读取该帧图像中眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定上下眼皮距离；这样，确定出每帧图像中的上下眼皮距离后，再计算平均值，便得到了该平均眼皮距离。
需要说明的是，该平均眼皮距离对应的待检测人员与S101中针对的待检测人员为同一人。
应用这种实施方式，将待检测人员的上下眼皮距离与自身的平均眼皮距离进行对比，相比于其他方案中，将待检测人员的眼部特征与统一的预设值进行对比，能够减少个体差异造成的影响，准确度更高。
如果面部特征为嘴部特征中的“嘴部矩形框的高度值及宽度值”，则对应的疲劳条件可以为“该高度值大于该宽度值”，或者也可以为“该高度值/该宽度值>第三预设数值”，具体的，第三预设数值可以根据实际情况进行设定，比如1，或者0.9等等。
可以理解，当待检测人员处于疲劳状态时，其可能会打哈欠，打哈欠时，嘴部矩形框的高度值/宽度值较大，因此，当该高度值/该宽度值较大时，可以认为符合疲劳条件。
应用这种实施方式，将待检测人员的嘴部矩形框的高度值与宽度值进行对比，相比于其他方案中，将待检测人员的嘴部特征与统一的预设值进行对比，能够减少个体差异造成的影响，准确度更高。
如果面部特征包含以上多种，则疲劳条件也对应的包括多种，具体不再赘述。
S105：若被标记的图像数量大于预设值，确定所述待检测人员处于疲劳状态。
该预设值针对被标记的图像数量而设定，可以理解，该预设值不大于上述第一预设数量。作为一种实施方式，可以确定当前环境参数；根据所述当前环境参数，对所述预设值进行设定。
举例来说，如果本实施例的应用场景为驾驶室，该待检测人员为驾驶员，则当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值。
这种情况下，根据所述当前环境参数，对所述预设值进行设定，具体可以包括：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
可以理解，当前车速较高、驾驶员的持续驾驶时长较长、或者当前时刻为黑夜，这些情况危险系数较高，可以相应地将预设值设定为高灵敏度预设值。对应的，当前车速较低、驾驶员的持续驾驶时长较短、或者当前时刻为白天，这些情况危险系数较低，可以相应地将预设值设定为低灵敏度预设值。
举例来说，第一预设阈值可以为80km/h，也就是说，当前车速大于80km/h时，危险系数较高，可以将预设值设定为高灵敏度预设值；当前车速小于等于80km/h时，危险系数较低，可以将预设值设定为低灵敏度预设值。
第二预设阈值可以为3小时，也就是说，驾驶员的持续驾驶时长大于3小时，危险系数较高，可以将预设值设定为高灵敏度预设值；驾驶员的持续驾驶时长小于等于3小时，危险系数较低，可以将预设值设定为低灵敏度预设值。
另外，若当前时刻为黑夜，则危险系数较高，可以将预设值设定为高灵敏度预设值；若当前时刻为白天，则危险系数较低，可以将预设值设定为低灵敏度预设值。
高灵敏度预设值可以为15，低灵敏度预设值可以为40。这样，如果是在上述危险系数较高的情况下，被标记的图像数量到达15，则确定该驾驶员处于疲劳状态；如果是在上述危险系数较低的情况下，被标记的图像数量到达40，确定该驾驶员处于疲劳状态。
根据前面描述，作为一种实施方式，S101中所获取的图像可以为预设时间段内采集到的图像，这样，S105可以理解为：在预设时间段内，若被标记的图像数量大于预设值，确定所述待检测人员处于疲劳状态。
在上述实施方式的基础上，可以将S105中的预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；这种情况下，根据所述当前环境参数，对所述预设值进行设定，还可以包括：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
可以理解，当前车速、驾驶员的持续驾驶时长较正常(不太高也不太低)时，可以相应地将预设值设定为中灵敏度预设值。
比如，第一预设阈值可以为80km/h，第三预设阈值可以为20km/h，也就是说，当前车速大于80km/h时，危险系数较高，可以将预设值设定为高灵敏度预设值；当前车速小于20km/h时，危险系数较低，可以将预设值设定为低灵敏度预设值；当前车速处于20km/h—80km/h之间时，危险系数适中，可以将预设值设定为中灵敏度预设值。
第二预设阈值可以为3小时，第四预设阈值可以为1小时，也就是说，驾驶员的持续驾驶时长大于3小时，危险系数较高，可以将预设值设定为高灵敏度预设值；驾驶员的持续驾驶时长小于1小时，危险系数较低，可以将预设值设定为低灵敏度预设值；驾驶员的持续驾驶时长处于1小时—3小时之间，危险系数适中，可以将预设值设定为中灵敏度预设值。
延续上述例子，高灵敏度预设值为15，低灵敏度预设值为40，中灵敏度预设值可以为25。这样，如果是在上述危险系数较高的情况下，被标记的图像数量到达15，则确定该驾驶员处于疲劳状态；如果是在上述危险系数较低的情况下，被标记的图像数量到达40，确定该驾驶员处于疲劳状态；如果是在上述危险系数适中的情况下，被标记的图像数量到达25，确定该驾驶员处于疲劳状态。
应用这种实施方式，对不同环境参数对应的预设值进行更细致的划分，提高检测疲劳状态的准确性。
应用本发明所示实施例，第一方面，不需要利用昂贵的测量仪器，降低了检测成本；第二方面，获取针对待检测人员的多帧图像，对多帧图像进行分析，相比于仅对一帧图像进行分析，降低了检测的偶然性，提高了检测的准确性。
与上述方法实施例相对应，本发明实施例还提供一种疲劳检测装置。
图6为本发明实施例提供的一种疲劳检测装置的结构示意图，包括：
获取模块601，用于获取针对待检测人员的第一预设数量帧图像；
第一确定模块602，用于确定每帧图像中的面部特征；
判断模块603，用于判断所述面部特征是否符合预先设定的疲劳条件；
标记模块604，用于对判断模块603判断结果为是的图像进行标记；
第二确定模块605，用于在被标记的图像数量大于预设值的情况下，确定所述待检测人员处于疲劳状态；所述预设值不大于所述第一预设数量。
作为一种实施方式，所述装置还可以包括：第三确定模块和第四确定模块(图中未示出)，其中，
第三确定模块，用于在第一确定模块602确定每帧图像中的面部特征之前，确定每帧图像中的头部姿态；若头部姿态朝左或朝右，触发第四确定模块，若头部姿态朝前，触发第一确定模块602；
第四确定模块，用于确定所述待检测人员处于非疲劳状态。
作为一种实施方式，所述装置还可以包括：
输出模块(图中未示出)，用于在所述第三确定模块确定头部姿态朝下的情况下，输出提示信息。
作为一种实施方式，所述面部特征包括眼部特征，第一确定模块602，可以包括：第一确定子模块和第一识别子模块(图中未示出)，其中，
第一确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；
第一识别子模块，用于在所确定的眼部区域中，识别该帧图像的眼部特征；
和/或，所述面部特征包括嘴部特征，第一确定模块602，可以包括：第二确定子模块和第二识别子模块(图中未示出)，其中，
第二确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；
第二识别子模块，用于在所确定的嘴部区域中，识别该帧图像的嘴部特征。
作为一种实施方式，所述第一识别模块，具体可以用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定眼白面积及眼部矩形框面积；计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征；
判断模块603，具体可以用于：
判断所述第一比值是否小于第一预设数值，如果是，表示符合预先设定的疲劳条件。
作为一种实施方式，所述第一识别模块，具体可以用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征；
判断模块603，具体可以用于：
计算所述距离与预先确定的所述待检测人员的平均眼皮距离的第二比值；其中，所述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值；
判断所述第二比值是否小于第二预设数值，如果是，表示符合预先设定的疲劳条件。
作为一种实施方式，所述第二识别模块，具体可以用于：
对所述嘴部区域进行分析，得到嘴部矩形框；确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征；
判断模块603，具体可以用于：
判断所述高度值是否大于所述宽度值，如果是，表示符合预先设定的疲劳条件；
或者，计算所述高度值与所述宽度值的第三比值；判断所述第三比值是否大于第三预设数值，如果是，表示符合预先设定的疲劳条件。
作为一种实施方式，所述装置还可以包括：第五确定模块和设定模块(图中未示出)，其中，
第五确定模块，用于确定当前环境参数；
设定模块，用于根据所述当前环境参数，对所述预设值进行设定。
作为一种实施方式，所述待检测人员为驾驶员；所述当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值；
所述设定模块，具体可以用于：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
作为一种实施方式，所述预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；
所述设定模块，还可以用于：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
作为一种实施方式，所述装置还可以包括：
检测模块(图中未示出)，用于利用人脸检测模型，检测所述获取模块获取的图像中的人脸区域；
第一确定模块602，具体可以用于：
在所述检测模块检测到的人脸区域中，根据面部比例，确定面部特征。
应用本发明图6所示实施例，第一方面，不需要利用昂贵的测量仪器，降低了检测成本；第二方面，获取针对待检测人员的多帧图像，对多帧图像进行分析，相比于仅对一帧图像进行分析，降低了检测的偶然性，提高了检测的准确性。
需要说明的是，在本文中，诸如第一和第二等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要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式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，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (22)

1.一种疲劳检测方法，其特征在于，包括：
获取针对待检测人员的第一预设数量帧图像；
确定每帧图像中的面部特征，并判断所述面部特征是否符合预先设定的疲劳条件；
如果符合，对该帧图像进行标记；
若被标记的图像数量大于预设值，确定所述待检测人员处于疲劳状态；所述预设值不大于所述第一预设数量。
2.根据权利要求1所述的方法，其特征在于，在所述确定每帧图像中的面部特征的步骤之前，还包括：
确定每帧图像中的头部姿态；
若头部姿态朝左或朝右，确定所述待检测人员处于非疲劳状态；
若头部姿态朝前，执行所述确定每帧图像中的面部特征的步骤。
3.根据权利要求2所述的方法，其特征在于，在所述确定每帧图像中的头部姿态的步骤之后，还包括：
若头部姿态朝下，输出提示信息。
4.根据权利要求1所述的方法，其特征在于，所述面部特征包括眼部特征，所述确定每帧图像中的面部特征的步骤，包括：
针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；
在所确定的眼部区域中，识别该帧图像的眼部特征；
和/或，所述面部特征包括嘴部特征，所述确定每帧图像中的面部特征的步骤，包括：
针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；
在所确定的嘴部区域中，识别该帧图像的嘴部特征。
5.根据权利要求4所述的方法，其特征在于，所述在所确定的眼部区域中，识别该帧图像的眼部特征的步骤，包括：
读取所述眼部区域各像素点的像素值；
将所读取的像素值转换至预设色彩空间；
在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；
根据所述白像素点，确定眼白面积及眼部矩形框面积；
计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
判断所述第一比值是否小于第一预设数值，如果是，表示符合预先设定的疲劳条件。
6.根据权利要求4所述的方法，其特征在于，所述在所确定的眼部区域中，识别该帧图像的眼部特征的步骤，包括：
读取所述眼部区域各像素点的像素值；
将所读取的像素值转换至预设色彩空间；
在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；
根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
计算所述距离与预先确定的所述待检测人员的平均眼皮距离的第二比值；其中，所述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值；
判断所述第二比值是否小于第二预设数值，如果是，表示符合预先设定的疲劳条件。
7.根据权利要求4所述的方法，其特征在于，所述在所确定的嘴部区域中，识别该帧图像的嘴部特征的步骤，包括：
对所述嘴部区域进行分析，得到嘴部矩形框；
确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征；
所述判断所述面部特征是否符合预先设定的疲劳条件的步骤，包括：
判断所述高度值是否大于所述宽度值，如果是，表示符合预先设定的疲劳条件；
或者，计算所述高度值与所述宽度值的第三比值；判断所述第三比值是否大于第三预设数值，如果是，表示符合预先设定的疲劳条件。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定当前环境参数；
根据所述当前环境参数，对所述预设值进行设定。
9.根据权利要求8所述的方法，其特征在于，所述待检测人员为驾驶员；所述当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值；
所述根据所述当前环境参数，对所述预设值进行设定的步骤，包括：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
10.根据权利要求9所述的方法，其特征在于，所述预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；
所述根据所述当前环境参数，对所述预设值进行设定的步骤，还包括：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
11.根据权利要求1所述的方法，其特征在于，在所述获取针对待检测人员的第一预设数量帧图像的步骤之后，还包括：
利用人脸检测模型，检测所获取的图像中的人脸区域；
所述确定每帧图像中的面部特征的步骤，包括：
在检测到的人脸区域中，根据面部比例，确定面部特征。
12.一种疲劳检测装置，其特征在于，包括：
获取模块，用于获取针对待检测人员的第一预设数量帧图像；
第一确定模块，用于确定每帧图像中的面部特征；
判断模块，用于判断所述面部特征是否符合预先设定的疲劳条件；
标记模块，用于对所述判断模块判断结果为是的图像进行标记；
第二确定模块，用于在被标记的图像数量大于预设值的情况下，确定所述待检测人员处于疲劳状态；所述预设值不大于所述第一预设数量。
13.根据权利要求12所述的装置，其特征在于，所述装置还包括：
第三确定模块，用于在所述第一确定模块确定每帧图像中的面部特征之前，确定每帧图像中的头部姿态；若头部姿态朝左或朝右，触发第四确定模块，若头部姿态朝前，触发所述第一确定模块；
第四确定模块，用于确定所述待检测人员处于非疲劳状态。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
输出模块，用于在所述第三确定模块确定头部姿态朝下的情况下，输出提示信息。
15.根据权利要求12所述的装置，其特征在于，所述面部特征包括眼部特征，所述第一确定模块，包括：
第一确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的眼部区域；
第一识别子模块，用于在所确定的眼部区域中，识别该帧图像的眼部特征；
和/或，所述面部特征包括嘴部特征，所述第一确定模块，包括：
第二确定子模块，用于针对每帧图像，根据面部比例，确定该帧图像中的嘴部区域；
第二识别子模块，用于在所确定的嘴部区域中，识别该帧图像的嘴部特征。
16.根据权利要求15所述的装置，其特征在于，所述第一识别模块，具体用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定眼白面积及眼部矩形框面积；计算所述眼白面积与眼部矩形框面积的第一比值，将所述第一比值确定为该帧图像的眼部特征；
所述判断模块，具体用于：
判断所述第一比值是否小于第一预设数值，如果是，表示符合预先设定的疲劳条件。
17.根据权利要求15所述的装置，其特征在于，所述第一识别模块，具体用于：
读取所述眼部区域各像素点的像素值；将所读取的像素值转换至预设色彩空间；在所述预设色彩空间中，查找位于预设像素值区间内的白像素点；根据所述白像素点，确定上下眼皮距离，将所述距离确定为该帧图像的眼部特征；
所述判断模块，具体用于：
计算所述距离与预先确定的所述待检测人员的平均眼皮距离的第二比值；其中，所述平均眼皮距离为：该帧图像之前的第二预设数量帧图像中、所述待检测人员的上下眼皮距离的平均值；
判断所述第二比值是否小于第二预设数值，如果是，表示符合预先设定的疲劳条件。
18.根据权利要求15所述的装置，其特征在于，所述第二识别模块，具体用于：
对所述嘴部区域进行分析，得到嘴部矩形框；确定所述嘴部矩形框的高度值及宽度值，作为该帧图像的嘴部特征；
所述判断模块，具体用于：
判断所述高度值是否大于所述宽度值，如果是，表示符合预先设定的疲劳条件；
或者，计算所述高度值与所述宽度值的第三比值；判断所述第三比值是否大于第三预设数值，如果是，表示符合预先设定的疲劳条件。
19.根据权利要求12所述的装置，其特征在于，所述装置还包括：
第五确定模块，用于确定当前环境参数；
设定模块，用于根据所述当前环境参数，对所述预设值进行设定。
20.根据权利要求19所述的装置，其特征在于，所述待检测人员为驾驶员；所述当前环境参数包括以下一种或多种：当前车速、所述驾驶员的持续驾驶时长、当前时刻为白天还是黑夜；所述预设值至少分为：高灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值小于所述低灵敏度预设值；
所述设定模块，具体用于：
若当前车速大于第一预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若驾驶员的持续驾驶时长大于第二预设阈值，将所述预设值设定为高灵敏度预设值；
和/或，若当前时刻为黑夜，将所述预设值设定为高灵敏度预设值。
21.根据权利要求20所述的装置，其特征在于，所述预设值分为：高灵敏度预设值、中灵敏度预设值和低灵敏度预设值，所述高灵敏度预设值<所述中灵敏度预设值<所述低灵敏度预设值；
所述设定模块，还用于：
若当前车速小于第三预设阈值，将所述预设值设定为低灵敏度预设值；
和/或，若驾驶员的持续驾驶时长小于第四预设阈值，将所述预设值设定为低灵敏度预设值。
22.根据权利要求12所述的装置，其特征在于，所述装置还包括：
检测模块，用于利用人脸检测模型，检测所述获取模块获取的图像中的人脸区域；
所述第一确定模块，具体用于：
在所述检测模块检测到的人脸区域中，根据面部比例，确定面部特征。
CN201710388612.6A 2017-05-27 2017-05-27 一种疲劳检测方法及装置 Pending CN108932461A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710388612.6A CN108932461A (zh) 2017-05-27 2017-05-27 一种疲劳检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710388612.6A CN108932461A (zh) 2017-05-27 2017-05-27 一种疲劳检测方法及装置

Publications (1)

Publication Number Publication Date
CN108932461A true CN108932461A (zh) 2018-12-04

Family

ID=64451658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710388612.6A Pending CN108932461A (zh) 2017-05-27 2017-05-27 一种疲劳检测方法及装置

Country Status (1)

Country Link
CN (1) CN108932461A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671318A (zh) * 2019-02-02 2019-04-23 姜召英 在线教学设备、方法及系统
CN111160239A (zh) * 2019-12-27 2020-05-15 中国联合网络通信集团有限公司 专注度评估方法和装置
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
CN113838411A (zh) * 2021-10-12 2021-12-24 深圳市优聚显示技术有限公司 一种基于人因照明的led显示屏亮度调节方法、系统及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101642376A (zh) * 2008-08-04 2010-02-10 南京大学 疲劳检测装置及方法
CN102254151A (zh) * 2011-06-16 2011-11-23 清华大学 一种基于面部视频分析的驾驶人疲劳检测方法
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法
CN104021550A (zh) * 2014-05-22 2014-09-03 西安理工大学 一种人脸三庭五眼自动定位及比例确定方法
CN104361332A (zh) * 2014-12-08 2015-02-18 重庆市科学技术研究院 一种用于疲劳驾驶检测的人脸眼睛区域定位方法
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
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
CN105769120A (zh) * 2016-01-27 2016-07-20 深圳地平线机器人科技有限公司 疲劳驾驶检测方法和装置
CN106295600A (zh) * 2016-08-18 2017-01-04 宁波傲视智绘光电科技有限公司 驾驶员状态实时检测方法和装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101642376A (zh) * 2008-08-04 2010-02-10 南京大学 疲劳检测装置及方法
CN102254151A (zh) * 2011-06-16 2011-11-23 清华大学 一种基于面部视频分析的驾驶人疲劳检测方法
CN103479367A (zh) * 2013-09-09 2014-01-01 广东工业大学 一种基于面部运动单元识别的驾驶员疲劳检测方法
CN104021550A (zh) * 2014-05-22 2014-09-03 西安理工大学 一种人脸三庭五眼自动定位及比例确定方法
CN104361332A (zh) * 2014-12-08 2015-02-18 重庆市科学技术研究院 一种用于疲劳驾驶检测的人脸眼睛区域定位方法
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
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
CN105769120A (zh) * 2016-01-27 2016-07-20 深圳地平线机器人科技有限公司 疲劳驾驶检测方法和装置
CN106295600A (zh) * 2016-08-18 2017-01-04 宁波傲视智绘光电科技有限公司 驾驶员状态实时检测方法和装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109671318A (zh) * 2019-02-02 2019-04-23 姜召英 在线教学设备、方法及系统
CN109671318B (zh) * 2019-02-02 2020-09-08 广州宏途教育网络科技有限公司 基于图像处理的在线教学设备、方法及系统
CN111160239A (zh) * 2019-12-27 2020-05-15 中国联合网络通信集团有限公司 专注度评估方法和装置
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
CN113838411A (zh) * 2021-10-12 2021-12-24 深圳市优聚显示技术有限公司 一种基于人因照明的led显示屏亮度调节方法、系统及设备

Similar Documents

Publication Publication Date Title
CN108932461A (zh) 一种疲劳检测方法及装置
CN104809445B (zh) 基于眼部和嘴部状态的疲劳驾驶检测方法
JP4895797B2 (ja) 瞼検出装置、瞼検出方法及びプログラム
CN102297867B (zh) 线束装配质量检测系统
CN101271517B (zh) 面部区域检测装置和方法
CN108229390A (zh) 基于深度学习的快速行人检测方法
CN107292251B (zh) 一种基于人眼状态的驾驶员疲劳检测方法及系统
CN103914708B (zh) 基于机器视觉的食品品种检测方法及系统
CN105023452B (zh) 一种多路交通信号灯信号采集的方法及装置
CN105187785B (zh) 一种基于动态选取显著特征的跨卡口行人识别系统与方法
CN106295551A (zh) 一种基于视频分析的人员安全帽佩戴情况实时检测方法
CN101803928A (zh) 基于视频的驾驶员疲劳检测装置
CN107103330A (zh) 一种指示灯状态识别方法和装置
CN106846734A (zh) 一种疲劳驾驶检测装置及方法
CN101090482A (zh) 一种基于图象处理和信息融合技术的驾驶员疲劳监测系统及方法
CN105844242A (zh) 图像中的肤色检测方法
CN104636754B (zh) 基于舌体分区颜色特征的智能图像分类方法
CN110569722A (zh) 基于视觉分析的施工人员着装规范检测方法及装置
CN114219687B (zh) 融合人机视觉的施工安全隐患智能识别方法
CN102542246A (zh) Atm机异常人脸检测方法
CN104318266A (zh) 一种图像智能分析处理预警方法
CN110298893A (zh) 一种行人衣着颜色识别模型的生成方法及装置
CN109359577A (zh) 一种基于机器学习的复杂背景下人数检测系统
US9436996B2 (en) Recording medium storing image processing program and image processing apparatus
CN114067365A (zh) 一种基于中心注意向心网络的安全帽佩戴检测方法和系统

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

Application publication date: 20181204

RJ01 Rejection of invention patent application after publication