CN111753659A - 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置 - Google Patents

基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置 Download PDF

Info

Publication number
CN111753659A
CN111753659A CN202010430741.9A CN202010430741A CN111753659A CN 111753659 A CN111753659 A CN 111753659A CN 202010430741 A CN202010430741 A CN 202010430741A CN 111753659 A CN111753659 A CN 111753659A
Authority
CN
China
Prior art keywords
registration point
face
fatigue
detected
driver
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
CN202010430741.9A
Other languages
English (en)
Inventor
韩伟
楚杰
许肖红
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.)
Guangzhou Hongke Electronic Technology Co ltd
Original Assignee
Guangzhou Hongke Electronic 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 Guangzhou Hongke Electronic Technology Co ltd filed Critical Guangzhou Hongke Electronic Technology Co ltd
Priority to CN202010430741.9A priority Critical patent/CN111753659A/zh
Publication of CN111753659A publication Critical patent/CN111753659A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • 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
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/19—Sensors therefor
    • 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
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L2012/40208—Bus networks characterized by the use of a particular bus standard
    • H04L2012/40215—Controller Area Network CAN

Abstract

本发明提供的基于人脸配准点的疲劳驾驶检测方法，包括以下步骤：采集待检测驾驶人员的人脸图像数据；将人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；提取出已识别人脸图像数据中的人脸配准点数据，人脸配准点数据中含有双眼配准点坐标；根据双眼配准点坐标判断待检测人员是否处于疲劳状态。本发明的基于人脸配准点的疲劳驾驶检测方法，通过对采集到的人脸图像数据进行运算处理，得到双眼配准点坐标，根据双眼配准点坐标来检测待检测驾驶人员是否处于疲劳状态，避免了驾驶习惯对检测带来的影响，使疲劳驾驶的检测结果更加精准。

Description

基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置
技术领域
本发明涉及疲劳驾驶检测领域，尤其涉及基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置。
背景技术
随着生活水平的提高，汽车已经从过去的奢侈品成为家庭代步工具，随之而来的因为汽车带来的安全隐患也比较多，因为在驾驶汽车的过程中，驾驶员在进行了长时间的驾驶后，容易发生注意力下降甚至瞌睡，导致发生交通事故。因此对于驾驶员在驾驶车辆过程中是否存在疲劳驾驶的检测必不可少，可以有效减少汽车安全事故的发生。
目前国内外的汽车零部件厂商均对疲劳驾驶做出了一些检测和预防，当前最多被采用的疲劳检测手段是驾驶员驾车行为分析，即通过记录和解析驾驶员转动方向盘、踩刹车等行为特征，判别驾驶员是否疲劳。但是现有疲劳驾驶检测方式受驾驶员驾驶习惯影响极大，导致疲劳驾驶的检测结果并不精准。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供基于人脸配准点的疲劳驾驶检测方法，其能解决现有疲劳驾驶检测方式受驾驶员驾驶习惯影响极大，导致疲劳驾驶的检测结果并不精准的问题。
本发明的目的之二在于提供一种电子设备，其能解决现有疲劳驾驶检测方式受驾驶员驾驶习惯影响极大，导致疲劳驾驶的检测结果并不精准的问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能解决现有疲劳驾驶检测方式受驾驶员驾驶习惯影响极大，导致疲劳驾驶的检测结果并不精准的问题。
本发明的目的之四在于提供基于人脸配准点的疲劳驾驶检测装置，其能解决现有疲劳驾驶检测方式受驾驶员驾驶习惯影响极大，导致疲劳驾驶的检测结果并不精准的问题。
本发明的目的之一采用以下技术方案实现：
基于人脸配准点的疲劳驾驶检测方法，包括以下步骤：
图像采集，采集待检测驾驶人员的人脸图像数据；
人脸识别，将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；
配准点数据提取，提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；
疲劳驾驶判定，根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态。
进一步地，所述双眼配准点坐标包括上眼皮配准点坐标、下眼皮配准点坐标、眼角配准点坐标，所述疲劳驾驶判定包括：
计算眼睛高度，根据所述上眼皮配准点坐标和所述下眼皮配准点坐标计算出双眼的眼睛高度，所述眼睛高度为上眼皮到下眼皮的距离；
计算眼睛像素宽度，根据所述眼角配准点坐标计算出双眼对应的眼睛像素宽度；
闭眼状态判定，分别计算出双眼的所述眼睛高度与所述眼睛像素宽度的比值，当双眼对应所述比值均小于预设阈值时，则待检测驾驶人员为闭眼状态；
疲劳判定，当待检测驾驶人员为闭眼状态的时间超过预设疲劳闭眼时间阈值时，则待检测驾驶人员处于疲劳状态。
进一步地，所述疲劳驾驶判定还包括：当待检测驾驶人员为闭眼状态的时间未超过预设疲劳闭眼时间阈值且超过预设正常眨眼时长时，则待检测驾驶人员为疲劳眨眼状态，当待检测驾驶人员为疲劳眨眼状态的次数超过预设疲劳眨眼次数阈值时，则待检测驾驶人员处于疲劳状态。
进一步地，所述已识别人脸图像数据中还含有双眼俯仰角角度数据，所述疲劳驾驶判断还包括：提取所述已识别人脸图像数据中的双眼俯仰角角度数据，根据所述双眼俯仰角角度数据判定待检测驾驶人员是否处于疲劳状态。
进一步地，所述根据所述双眼俯仰角角度数据判定待检测驾驶人员是否处于疲劳状态具体为：根据所述双眼俯仰角角度数据得到待检测驾驶人员的低头角度，当所述低头角度大于预设低头角度阈值且低头时间超过预设低头时间阈值时，待检测驾驶人员处于疲劳状态，所述低头时间为所述低头角度大于预设低头角度阈值的时间总值。
进一步地，所述人脸识别之前还包括图像预处理，将人脸图像数据进行预处理，所述预处理为对所述人脸图像数据进行裁剪处理、颜色通道的提取处理。
本发明的目的之二采用以下技术方案实现：
一种电子设备，包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请的基于人脸配准点的疲劳驾驶检测方法。
本发明的目的之三采用以下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行本申请的基于人脸配准点的疲劳驾驶检测方法。
本发明的目的之四采用以下技术方案实现：
基于人脸配准点的疲劳驾驶检测装置，包括图像采集模块、处理器、信号处理模块，所述图像采集模块与所述处理器连接，所述处理器与所述信号处理模块连接，所述处理器中内置有预设人脸识别模型；
所述图像采集模块采集待检测驾驶人员的人脸图像数据，所述处理器将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；所述处理器提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；所述信号处理模块根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态，得到驾驶状态信息，所述信号处理模块将所述驾驶状态信息以CAN报文的形式发送到CAN总线上。
进一步地，所述图像采集模块包括普通图像传感器和红外图像传感器，所述信号处理模块根据预设发送间隔定时将所述驾驶状态信息以CAN报文的形式发送到CAN总线上。
相比现有技术，本发明的有益效果在于：本申请中基于人脸配准点的疲劳驾驶检测方法，包括以下步骤：采集待检测驾驶人员的人脸图像数据；将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态。通过对采集到的人脸图像数据进行运算处理，得到双眼配准点坐标，根据双眼配准点坐标来检测待检测驾驶人员是否处于疲劳状态，避免了驾驶习惯对检测带来的影响，使疲劳驾驶的检测结果更加精准。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
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为本发明的基于人脸配准点的疲劳驾驶检测方法的流程示意图；
图2为本发明的基于人脸配准点的疲劳驾驶检测方法中人脸配准点数据对应的坐标点的分布示意图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
如图1所示的基于人脸配准点的疲劳驾驶检测方法，包括以下步骤：
图像采集，采集待检测驾驶人员的人脸图像数据。本实施例中图像采集采用独立的图像采集模块，即包括普通图像传感器和红外图像传感器对待检测驾驶人员进行人脸图像采集，红外图像传感器包括红外补光灯和红外摄像头，刚才是采集时，采用普通图像传感器进行采集，图像采集模块判断光线是否合格，如果不合格，启动红外补光灯，然后切换到红外摄像头进行采集，得到待检测驾驶人员的人脸图像数据。
图像预处理，将人脸图像数据进行预处理，所述预处理为对所述人脸图像数据进行裁剪处理、颜色通道的提取处理。
人脸识别，将经过预处理的所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据。已识别人脸图像数据中还含有双眼俯仰角角度数据。
配准点数据提取，提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标。在本实施例中，人脸配准点数据为包括人脸各个部位的配准点坐标的数据，具体包括人脸轮廓区域的配准点坐标、左右眉毛区域的配准点坐标、双眼区域的配准点坐标、鼻子区域的配准点坐标、嘴巴区域的配准点坐标，如图2所示，双眼配准点坐标包括16个坐标点，每只眼睛包括8个坐标点，双眼配准点坐标包括上眼皮配准点坐标、下眼皮配准点坐标、眼角配准点坐标，本实施例中双眼配准点坐标即为两只眼睛的配准点坐标，即每只眼睛的配准点坐标均包括上眼皮配准点坐标、下眼皮配准点坐标、眼角配准点坐标，如图2中左眼区域对应配准点坐标对应的坐标点为：0、1、2、3、4、5、6、7，则左眼区域中的上眼皮配准点坐标对应的坐标点为5、6、7三个点，左眼区域中的下眼皮配准点坐标对应的坐标点为1、2、3三个点，左眼区域中的眼角配准点坐标对应的坐标点为0和4两个点，眼角配准点包括左眼角配准点坐标和右眼角配准点坐标，此处0为左眼角配准点坐标对应的坐标点，4为右眼角配准点坐标对应的坐标点。
疲劳驾驶判定，根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态。具体为：
计算眼睛高度，根据所述上眼皮配准点坐标和所述下眼皮配准点坐标计算出双眼的眼睛高度，所述眼睛高度为上眼皮到下眼皮的距离。在本实施例中通过本步骤计算出两只眼睛的眼睛高度。具体如公式(1)所示：
Figure BDA0002500442230000071
其中，h为眼睛高度；w为权重值；i为配准点坐标对应的坐标点；
Figure BDA0002500442230000072
为上眼皮配准点坐标对应的坐标点的i的横坐标值；
Figure BDA0002500442230000073
为下眼皮配准点坐标对应的坐标点的i的横坐标值；
Figure BDA0002500442230000074
为上眼皮配准点坐标对应的坐标点的i的纵坐标值；
Figure BDA0002500442230000075
为下眼皮配准点坐标对应的坐标点的i的纵坐标值；本实施例中每个配准点坐标对应的权重都是预先设置好的，为已知值。
计算眼睛像素宽度，根据所述眼角配准点坐标计算出双眼对应的眼睛像素宽度，在本实施例中通过本步骤计算出两只眼睛的眼睛像素宽度。具体如公式(2)所示：
Figure BDA0002500442230000076
其中，l为眼睛像素宽度值；xright为右眼角配准点坐标对应的坐标点的横坐标值；xleft为左眼角配准点坐标对应的坐标点的横坐标值；yright为右眼角配准点坐标对应的坐标点的纵坐标值；yleft为左眼角配准点坐标对应的坐标点的纵坐标值。
闭眼状态判定，分别计算出双眼的所述眼睛高度与所述眼睛像素宽度的比值，当双眼对应所述比值均小于预设阈值时，则待检测驾驶人员为闭眼状态。本实施例中先分别计算出双眼的所述眼睛高度与所述眼睛像素宽度的比值，令比值为P，在计算过程中由于分母不能为零，因此，
Figure BDA0002500442230000077
其中，P为比值，h为眼睛高度，l为眼睛像素宽度值。在本实施例中当两只眼睛对应的比值均小于预设阈值时，则待检测驾驶人员为闭眼状态，任意一只眼睛对应的比值小于预设阈值时，待检测驾驶人员为睁眼状态。
疲劳驾驶判定，当待检测驾驶人员为闭眼状态的时间未超过预设疲劳闭眼时间阈值且超过预设正常眨眼时长时，则待检测驾驶人员为疲劳眨眼状态，当待检测驾驶人员为疲劳眨眼状态的次数超过预设疲劳眨眼次数阈值时，则待检测驾驶人员处于疲劳状态。本实施例中的预设疲劳闭眼时间阈值一般为15秒；预设疲劳眨眼次数阈值为三次；预设正常眨眼时长为5秒。
在本实施例的疲劳驾驶判定还包括通过双眼俯仰角进行判定，具体为：提取所述已识别人脸图像数据中的双眼俯仰角角度数据，根据所述双眼俯仰角角度数据判定待检测驾驶人员是否处于疲劳状态。根据所述双眼俯仰角角度数据得到待检测驾驶人员的低头角度，当所述低头角度大于预设低头角度阈值且低头时间超过预设低头时间阈值时，待检测驾驶人员处于疲劳状态，所述低头时间为所述低头角度大于预设低头角度阈值的时间总值。本实施例中一般采用的预设低头时间阈值为30度，预设低头时间阈值为15秒。
本发明的实施例中，提供一种电子设备，包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行本申请的基于人脸配准点的疲劳驾驶检测方法。
本发明的实施例中，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行本申请的基于人脸配准点的疲劳驾驶检测方法。
本发明的实施例中，提供基于人脸配准点的疲劳驾驶检测装置，包括图像采集模块、处理器、信号处理模块，所述图像采集模块与所述处理器连接，所述处理器与所述信号处理模块连接，所述处理器中内置有预设人脸识别模型；
所述图像采集模块采集待检测驾驶人员的人脸图像数据，所述处理器将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；所述处理器提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；所述信号处理模块根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态，得到驾驶状态信息，所述信号处理模块根据预设发送间隔定时将所述驾驶状态信息以CAN报文的形式发送到CAN总线上。此实施例中图像采集模块包括普通图像传感器和红外图像传感器对待检测驾驶人员进行人脸图像采集，红外图像传感器包括红外补光灯和红外摄像头，刚才是采集时，采用普通图像传感器进行采集，图像采集模块判断光线是否合格，如果不合格，启动红外补光灯，然后切换到红外摄像头进行采集，得到待检测驾驶人员的人脸图像数据。
本申请中基于人脸配准点的疲劳驾驶检测方法，包括以下步骤：采集待检测驾驶人员的人脸图像数据；将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态。通过对采集到的人脸图像数据进行运算处理，得到双眼配准点坐标，根据双眼配准点坐标来检测待检测驾驶人员是否处于疲劳状态，避免了驾驶习惯对检测带来的影响，使疲劳驾驶的检测结果更加精准。
以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (10)

1.基于人脸配准点的疲劳驾驶检测方法，其特征在于：包括以下步骤：
图像采集，采集待检测驾驶人员的人脸图像数据；
人脸识别，将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；
配准点数据提取，提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；
疲劳驾驶判定，根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态。
2.如权利要求1所述的基于人脸配准点的疲劳驾驶检测方法，其特征在于：所述双眼配准点坐标包括上眼皮配准点坐标、下眼皮配准点坐标、眼角配准点坐标，所述疲劳驾驶判定包括：
计算眼睛高度，根据所述上眼皮配准点坐标和所述下眼皮配准点坐标计算出双眼的眼睛高度，所述眼睛高度为上眼皮到下眼皮的距离；
计算眼睛像素宽度，根据所述眼角配准点坐标计算出双眼对应的眼睛像素宽度；
闭眼状态判定，分别计算出双眼的所述眼睛高度与所述眼睛像素宽度的比值，当双眼对应所述比值均小于预设阈值时，则待检测驾驶人员为闭眼状态；
疲劳判定，当待检测驾驶人员为闭眼状态的时间超过预设疲劳闭眼时间阈值时，则待检测驾驶人员处于疲劳状态。
3.如权利要求1所述的基于人脸配准点的疲劳驾驶检测方法，其特征在于：所述疲劳驾驶判定还包括：当待检测驾驶人员为闭眼状态的时间未超过预设疲劳闭眼时间阈值且超过预设正常眨眼时长时，则待检测驾驶人员为疲劳眨眼状态，当待检测驾驶人员为疲劳眨眼状态的次数超过预设疲劳眨眼次数阈值时，则待检测驾驶人员处于疲劳状态。
4.如权利要求1所述的基于人脸配准点的疲劳驾驶检测方法，其特征在于：所述已识别人脸图像数据中还含有双眼俯仰角角度数据，所述疲劳驾驶判断还包括：提取所述已识别人脸图像数据中的双眼俯仰角角度数据，根据所述双眼俯仰角角度数据判定待检测驾驶人员是否处于疲劳状态。
5.如权利要求4所述的基于人脸配准点的疲劳驾驶检测方法，其特征在于：所述根据所述双眼俯仰角角度数据判定待检测驾驶人员是否处于疲劳状态具体为：根据所述双眼俯仰角角度数据得到待检测驾驶人员的低头角度，当所述低头角度大于预设低头角度阈值且低头时间超过预设低头时间阈值时，待检测驾驶人员处于疲劳状态，所述低头时间为所述低头角度大于预设低头角度阈值的时间总值。
6.如权利要求1所述的基于人脸配准点的疲劳驾驶检测方法，其特征在于：所述人脸识别之前还包括图像预处理，将人脸图像数据进行预处理，所述预处理为对所述人脸图像数据进行裁剪处理、颜色通道的提取处理。
7.一种电子设备，其特征在于包括：处理器；
存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-6任意一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-6任意一项所述的方法。
9.基于人脸配准点的疲劳驾驶检测装置，其特征在于：包括图像采集模块、处理器、信号处理模块，所述图像采集模块与所述处理器连接，所述处理器与所述信号处理模块连接，所述处理器中内置有预设人脸识别模型；
所述图像采集模块采集待检测驾驶人员的人脸图像数据，所述处理器将所述人脸图像数据输入至预设人脸识别模型中进行运算处理，得到含有人脸配准点数据的已识别人脸图像数据；所述处理器提取出所述已识别人脸图像数据中的人脸配准点数据，所述人脸配准点数据中含有双眼配准点坐标；所述信号处理模块根据所述双眼配准点坐标判断待检测人员是否处于疲劳状态，得到驾驶状态信息，所述信号处理模块将所述驾驶状态信息以CAN报文的形式发送到CAN总线上。
10.如权利要求9所述的基于人脸配准点的疲劳驾驶检测装置，其特征在于：所述图像采集模块包括普通图像传感器和红外图像传感器，所述信号处理模块根据预设发送间隔定时将所述驾驶状态信息以CAN报文的形式发送到CAN总线上。
CN202010430741.9A 2020-05-20 2020-05-20 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置 Pending CN111753659A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010430741.9A CN111753659A (zh) 2020-05-20 2020-05-20 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010430741.9A CN111753659A (zh) 2020-05-20 2020-05-20 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置

Publications (1)

Publication Number Publication Date
CN111753659A true CN111753659A (zh) 2020-10-09

Family

ID=72673330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010430741.9A Pending CN111753659A (zh) 2020-05-20 2020-05-20 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置

Country Status (1)

Country Link
CN (1) CN111753659A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104688251A (zh) * 2015-03-02 2015-06-10 西安邦威电子科技有限公司 一种多姿态下的疲劳及非正常姿态驾驶检测方法
CN108791299A (zh) * 2018-05-16 2018-11-13 浙江零跑科技有限公司 一种基于视觉的驾驶疲劳检测及预警系统及方法
CN109934199A (zh) * 2019-03-22 2019-06-25 扬州大学 一种基于计算机视觉的驾驶员疲劳检测方法及系统
CN110532887A (zh) * 2019-07-31 2019-12-03 郑州大学 一种基于面部特征融合的疲劳驾驶检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN104688251A (zh) * 2015-03-02 2015-06-10 西安邦威电子科技有限公司 一种多姿态下的疲劳及非正常姿态驾驶检测方法
CN108791299A (zh) * 2018-05-16 2018-11-13 浙江零跑科技有限公司 一种基于视觉的驾驶疲劳检测及预警系统及方法
CN109934199A (zh) * 2019-03-22 2019-06-25 扬州大学 一种基于计算机视觉的驾驶员疲劳检测方法及系统
CN110532887A (zh) * 2019-07-31 2019-12-03 郑州大学 一种基于面部特征融合的疲劳驾驶检测方法及系统

Similar Documents

Publication Publication Date Title
CN103714660B (zh) 基于图像处理融合心率特征与表情特征实现疲劳驾驶判别的系统
CN101593425B (zh) 一种基于机器视觉的疲劳驾驶监控方法及系统
CN107292251B (zh) 一种基于人眼状态的驾驶员疲劳检测方法及系统
CN105286802B (zh) 基于视频信息的驾驶员疲劳检测方法
CN110751051B (zh) 一种基于机器视觉的异常驾驶行为检测方法
CN110532976A (zh) 基于机器学习和多特征融合的疲劳驾驶检测方法及系统
WO2020029444A1 (zh) 一种驾驶员驾驶时注意力检测方法和系统
CN111753589B (zh) 手握方向盘状态的检测方法及装置
CN104361332A (zh) 一种用于疲劳驾驶检测的人脸眼睛区域定位方法
CN107563346A (zh) 一种基于人眼图像处理实现驾驶员疲劳判别的方法
CN104881956A (zh) 一种疲劳驾驶预警系统
CN108021875A (zh) 一种车辆驾驶员个性化疲劳监测及预警方法
CN111985328A (zh) 基于面部特征分析的不安全驾驶行为检测预警方法
JP4989249B2 (ja) 目検知装置、居眠り検知装置及び目検知装置の方法
WO2013186984A1 (ja) 人検出装置
CN110264670A (zh) 基于客运车辆司机疲劳驾驶状态分析装置
CN112183502B (zh) 驾驶员的驾驶状态确定方法、计算机存储介质及电子设备
Mašanović et al. Driver monitoring using the in-vehicle camera
CN111753659A (zh) 基于人脸配准点的疲劳驾驶检测方法、设备、介质及装置
CN115107786B (zh) 一种用于智能汽车的驾驶行为纠正系统及方法
CN106446822A (zh) 基于圆拟合的眨眼检测方法
CN114998874A (zh) 一种基于深度学习的驾驶员异常行为检测方法
CN114267169A (zh) 一种基于机器视觉的预防疲劳驾驶限速控制方法
CN113269069B (zh) 一种基于卡车司机面部特征的困倦辨识方法及装置
CN114155514A (zh) 基于视觉的驾驶员脱手检测方法及系统

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