CN112401857A - 一种驾驶员酒驾检测方法 - Google Patents
一种驾驶员酒驾检测方法 Download PDFInfo
- Publication number
- CN112401857A CN112401857A CN202011317095.1A CN202011317095A CN112401857A CN 112401857 A CN112401857 A CN 112401857A CN 202011317095 A CN202011317095 A CN 202011317095A CN 112401857 A CN112401857 A CN 112401857A
- Authority
- CN
- China
- Prior art keywords
- drunk driving
- driver
- face
- eye state
- eye
- 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- Withdrawn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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
- A61B3/11—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils
- A61B3/112—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils for measuring diameter of pupils
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Cardiology (AREA)
- Ophthalmology & Optometry (AREA)
- Pathology (AREA)
- Human Computer Interaction (AREA)
- Hematology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种驾驶员酒驾检测方法，具体包括：采集包含驾驶员人脸的视频图像，分帧后检测并截取每一帧图像中的人脸，进行人脸对齐和人眼定位，计算出眼睛状态指标，再从对齐的人脸中选择人脸ROI区域，从ROI区域中提取出IPPG信号进行预处理，然后分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，得到生理特征和眼睛状态特征，运用多模态融合策略将两者融合后的特征向量输入至酒驾分类预测模型，最后判定驾驶员是否酒驾及酒驾等级。本发明属于非接触式酒驾检测方法，操作简便且安全卫生，能有效提升经济效益和检测效率，可实现预测性、实时性和追溯性酒驾检测。
Description
技术领域
本发明涉及图像处理技术和酒驾检测技术领域，具体涉及一种驾驶员酒驾检测方法。
背景技术
世界卫生组织的调查显示，大约50%到60%的交通事故与酒后驾驶相关，酒驾已成为交通事故的第一大诱因。研究表明，酒驾会导致驾驶员触觉、判断和操作能力降低，并出现视觉障碍和疲劳等情况，因酒驾发生交通事故的比例与非酒驾相比会增加16倍。目前常用的驾驶员酒精含量检测方法是通过对其呼出气体、唾液、尿液和血液中的酒精含量进行检测，前两者的检测属于定性检测，一般作为后两者检测的前提条件。大多数情况下，酒驾检测都是接触式检测，需要部署出动警力，检测效率和范围局限性大，且需要被检测人员较好的配合，以避免出现作弊的情况，也不能做到预防性检测。利用红外线检测血管酒精含量的技术作为非接触式的检测技术，依据皮肤表面血管的血液中酒精含量会影响其对近红外光的吸收量的原理，在一定程度上解决了部分接触式检测的问题，但仍然需要驾驶员配合，且在无人监管的情况下无法确定驾驶员的身份。
另一方面，通过酒精对人体影响的研究发现，酒后人的某些生理特性相对于未饮酒状态会发生显著变换，这为利用生理特性变化规律来检测驾驶员是否酒驾提供了理论依据和新的思路，同时可结合非接触式采集技术，实现安全卫生的预防性酒驾检测。
发明内容
本发明的目的在于提出一种驾驶员酒驾检测方法，以便及时掌握驾驶员酒驾情况，并进行及时干预。
为实现上述目的，本发明提供以下技术方案：
一种驾驶员酒驾检测方法，包括以下步骤：
S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸。
S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标。
所述人眼定位可以是通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配等方法进行人眼定位，再通过图像二值化处理、噪声处理得到人眼状态定位图像，也可以是通过人脸特征点中的人眼特征点进行定位。
S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理。
所述IPPG信号预处理包含了IPPG信号缺失值处理、增强、降噪处理。
S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理特征和眼睛状态特征。
所述相同时域长度的选取可通过设定时间间隔的滑动窗口形式来实现数据的实时性。
所述生理特征包含心率、呼吸频率、血压、心率变异性指标、血流量相对指标和脉搏波特征参数。
所述眼睛状态特征包含眨眼频率、平均眨眼时间、眼睛闭合时间占比、瞳孔直径均值。
S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量。
所述多模态融合策略可以采用数据级融合方法或者特征级融合方法。
S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。
所述酒驾分类预测模型基于前期采集的饮酒前后人员的生理特征和眼睛状态特征的样本数据进行构建，在样本数据积累过程中不断优化。
本发明的有益效果是：一种驾驶员酒驾检测方法，相对于接触式酒驾检测方法更加安全卫生和简便，在不需要耗费额外人力部署的情况下，还可利用车辆原有用于驾驶员监控或疲劳等其他检测的摄像设备，降低驾驶员抵触心理，同时可通过人脸信息确认驾驶员身份，实现远程预防性、实时性检测。对于过了酒精代谢期但之前可能存在酒驾行为的驾驶员，还可以通过对其历史视频图像的检测分析进行追溯。
附图说明
以下结合附图对本发明作进一步详细的说明。
图1为本发明的一种驾驶员酒驾检测方法的流程示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明提供了一种驾驶员酒驾检测方法，包括以下步骤：
S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸。
S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标。
所述人眼定位可以是通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配等方法进行人眼定位，再通过图像二值化处理、噪声处理得到人眼状态定位图像，也可以是通过人脸特征点中的人眼特征点进行定位。
S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理。
所述ROI需要有血管分布且不受五官形状、分布和面部表情的影响，比如额头、两颊区域。
所述IPPG信号由ROI的不同颜色通道的灰度均值数据构成，其中颜色通道类型和数量可由视频采集设备的色彩模式决定，其预处理包含了IPPG信号缺失值处理、增强、降噪处理，得到相对干净清晰的脉搏波信号。
S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理特征和眼睛状态特征。
所述相同时域长度的选取可通过设定时间间隔的滑动窗口形式来实现数据的实时性，比如每隔1-5秒取30-60秒的数据进行实时处理。
所述生理特征包含心率、呼吸频率、血压、心率变异性指标、血流量相对指标和脉搏波特征参数，所述血流量相对指标以在设定时域长度内的ROI的绿色通道灰度均值的均值表示，所述脉搏波特征参数包括时域特征参数和频域特征参数，最终选用的参数可由分类预测模型效果分析决定。
所述眼睛状态特征包含眨眼频率、平均眨眼时间、眼睛闭合时间占比、瞳孔直径均值。
S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量。
所述多模态融合策略可以是使用线性、非线性估计或其他统计运算的数据级融合方法，也可以是各特征长度归一化后级联拼接、基于稀疏核降秩回归或其他的特征级融合方法。
S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。
所述群体酒驾分类预测模型基于前期采集的饮酒前后人员的生理特征和眼睛状态特征的样本数据进行构建，在检测过程中不断累积更贴合实际驾驶员情境的新数据，据此不断更新优化模型。
作为本发明的一种优选实施例，所述一种驾驶员酒驾检测方法，可以通过安装配套设备使用，也可以利用车辆原有车载监控和基于视频分析的疲劳驾驶检测设备，作为一种程序或算法使用。
作为本发明的一种优选实施例，所述一种驾驶员酒驾检测方法，检测结果可以应用于实时酒驾上报告警、驾驶员警告提醒，必要时还可与车辆启动装置联动，预防饮酒人员的驾驶行为。
作为本发明的一种优选实施例，所述一种驾驶员酒驾检测方法，可用于酒驾行为追溯，对于已经过了酒精代谢期但之前可能存在酒驾行为的驾驶员，可以对该驾驶员在可疑酒驾时间段内的历史视频图像进行检测分析，判断其是否酒驾及酒驾等级。
虽然本发明已以较佳实施例揭露如上，然其并非用于限定本发明的保护范围。本发明所属技术领域中具有通常知识者，在不脱离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 (5)
1.一种驾驶员酒驾检测方法，其特征在于，包括以下步骤：
S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸；
S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标；
S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理；
S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理特征和眼睛状态特征；
S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量；
S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。
2.根据权利要求1所述的一种驾驶员酒驾检测方法，其特征还在于，所述人眼定位可以是通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配等方法进行人眼定位，再通过图像二值化处理、噪声处理得到人眼状态定位图像，也可以是通过人脸特征点中的人眼特征点进行定位。
3.根据权利要求1所述的一种驾驶员酒驾检测方法，其特征还在于，所述生理特征包含心率、呼吸频率、血压、心率变异性指标、血流量相对指标和脉搏波特征参数，所述眼睛状态特征包含眨眼频率、平均眨眼时间、眼睛闭合时间占比、瞳孔直径均值。
4.根据权利要求1所述的一种驾驶员酒驾检测方法，其特征还在于，所述多模态融合策略可以采用数据级融合方法或者特征级融合方法。
5.根据权利要求1所述的一种驾驶员酒驾检测方法，其特征还在于，所述酒驾分类预测模型基于前期采集的饮酒前后人员的生理特征和眼睛状态特征的样本数据进行构建，在样本数据积累过程中不断优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011317095.1A CN112401857A (zh) | 2020-11-23 | 2020-11-23 | 一种驾驶员酒驾检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011317095.1A CN112401857A (zh) | 2020-11-23 | 2020-11-23 | 一种驾驶员酒驾检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112401857A true CN112401857A (zh) | 2021-02-26 |
Family
ID=74778030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011317095.1A Withdrawn CN112401857A (zh) | 2020-11-23 | 2020-11-23 | 一种驾驶员酒驾检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112401857A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792663A (zh) * | 2021-09-15 | 2021-12-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| WO2023103295A1 (zh) * | 2021-12-10 | 2023-06-15 | 上海商汤智能科技有限公司 | 生理状态检测方法、装置、电子设备、存储介质和计算机程序产品 |
| CN117333927A (zh) * | 2023-12-01 | 2024-01-02 | 厦门磁北科技有限公司 | 车载人脸识别酒精检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070078A (zh) * | 2019-05-27 | 2019-07-30 | 浙江科技学院 | 一种基于传感器与机器视觉的酒驾检测方法及系统 |
| CN110276273A (zh) * | 2019-05-30 | 2019-09-24 | 福建工程学院 | 融合面部特征与图像脉搏心率估计的驾驶员疲劳检测方法 |
-
2020
- 2020-11-23 CN CN202011317095.1A patent/CN112401857A/zh not_active Withdrawn
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110070078A (zh) * | 2019-05-27 | 2019-07-30 | 浙江科技学院 | 一种基于传感器与机器视觉的酒驾检测方法及系统 |
| CN110276273A (zh) * | 2019-05-30 | 2019-09-24 | 福建工程学院 | 融合面部特征与图像脉搏心率估计的驾驶员疲劳检测方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113792663A (zh) * | 2021-09-15 | 2021-12-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| CN113792663B (zh) * | 2021-09-15 | 2024-05-14 | 东北大学 | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 |
| WO2023103295A1 (zh) * | 2021-12-10 | 2023-06-15 | 上海商汤智能科技有限公司 | 生理状态检测方法、装置、电子设备、存储介质和计算机程序产品 |
| CN117333927A (zh) * | 2023-12-01 | 2024-01-02 | 厦门磁北科技有限公司 | 车载人脸识别酒精检测方法及系统 |
| CN117333927B (zh) * | 2023-12-01 | 2024-04-16 | 厦门磁北科技有限公司 | 车载人脸识别酒精检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108216254B (zh) | 基于面部图像与脉搏信息融合的路怒情绪识别方法 | |
| CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
| CN112401857A (zh) | 一种驾驶员酒驾检测方法 | |
| Ngxande et al. | Driver drowsiness detection using behavioral measures and machine learning techniques: A review of state-of-art techniques | |
| CN110276273B (zh) | 融合面部特征与图像脉搏心率估计的驾驶员疲劳检测方法 | |
| CN110119676A (zh) | 一种基于神经网络的驾驶员疲劳检测方法 | |
| CN110811649A (zh) | 一种基于生物电及行为特征融合的疲劳驾驶检测方法 | |
| CN110991348B (zh) | 基于光流梯度幅值特征的人脸微表情检测方法 | |
| CN108294759A (zh) | 一种基于cnn眼部状态识别的驾驶员疲劳检测方法 | |
| CN110751051A (zh) | 一种基于机器视觉的异常驾驶行为检测方法 | |
| CN110598608B (zh) | 非接触式与接触式协同的心理生理状态智能监测系统 | |
| CN101639894A (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 | |
| CN107563346A (zh) | 一种基于人眼图像处理实现驾驶员疲劳判别的方法 | |
| Tang et al. | Real-time image-based driver fatigue detection and monitoring system for monitoring driver vigilance | |
| Su et al. | High-stakes deception detection based on facial expressions | |
| CN115312195A (zh) | 一种基于情绪数据计算个体心理异常的健康评估方法 | |
| Rajevenceltha et al. | A novel approach for drowsiness detection using local binary patterns and histogram of gradients | |
| CN103729646A (zh) | 一种眼睛图像有效性检测方法 | |
| Zhou et al. | Driver vigilance detection based on deep learning with fused thermal image information for public transportation | |
| CN113887386A (zh) | 基于深度学习和机器学习的多特征融合的疲劳检测方法 | |
| CN113792663A (zh) | 一种驾驶员酒驾以及疲劳驾驶的检测方法、装置及存储介质 | |
| Mu et al. | Research on a driver fatigue detection model based on image processing | |
| Utomo et al. | Driver fatigue prediction using different sensor data with deep learning | |
| CN111723869A (zh) | 一种面向特殊人员的行为风险智能预警方法及系统 | |
| Guo et al. | Monitoring and detection of driver fatigue from monocular cameras based on Yolo v5 |
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: 20210226 |