CN114299587A - 眼睛状态判定方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种眼睛状态判定方法及装置、电子设备和存储介质，所述方法包括：获取待检测对象的人脸图像以及预先标定的待检测对象的眼睛开合度，眼睛开合度包括眼睛张开度与眼睛闭合度，眼睛张开度表征待检测对象在睁眼状态下标定的眼睛张开程度，眼睛闭合度表征待检测对象在闭眼状态下标定的眼睛闭合程度；对人脸图像进行关键点检测，得到人脸图像中眼睛的眼睛关键点；根据眼睛关键点，确定待检测对象的眼睛的尺寸信息，眼睛的尺寸信息包括眼睛的长度与高度中的至少一种；根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，眼睛的状态包括闭眼状态或睁眼状态。本公开实施例可实现降低眼睛状态的误判率。

Description

眼睛状态判定方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种眼睛状态判定方法及装置、电子设备和存储介质。

背景技术

眼睛开闭状态检测技术可以应用于疲劳检测场景中，例如驾驶员的疲劳检测。相关技术中疲劳驾驶检测一般需要分析驾驶员的眼睛开闭状态，当驾驶员眼部闭合持续超过一定时长(例如2秒)时判定驾驶员处于疲劳驾驶状态。

相关技术在分析眼睛开闭状态时，通常使用固定的眼睛闭合度阈值作为判断驾驶员是否处于闭眼状态的依据，然而不同驾驶员的眼睛大小不相同，特别是对于小眼睛的驾驶员，容易对驾驶员实际的眼睛状态产生误判，例如将睁眼状态误判为闭眼状态。

发明内容

本公开提出了一种眼睛状态判定技术方案。

根据本公开的一方面，提供了一种眼睛状态判定方法，包括：获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，所述眼睛开合度包括眼睛张开度与眼睛闭合度，所述眼睛张开度表征所述待检测对象在睁眼状态下标定的眼睛张开程度，所述眼睛闭合度表征所述待检测对象在闭眼状态下标定的眼睛闭合程度；对所述人脸图像进行关键点检测，得到所述人脸图像中眼睛的眼睛关键点；根据所述眼睛关键点，确定所述待检测对象的眼睛的尺寸信息，所述眼睛的尺寸信息包括所述眼睛的长度与高度中的至少一种；根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，所述眼睛的状态包括闭眼状态或睁眼状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值；其中，所述根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，包括：将所述第一比值、所述第二比值以及所述眼睛的长度与高度，输入至眼睛状态判定网络，得到所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高；其中，所述根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，包括：根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度；根据所述状态置信度，确定所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度，包括：计算所述眼睛的高度与所述闭眼眼高之间的第一差值，以及所述睁眼眼高与所述闭眼眼高之间的第二差值；将所述第一差值与所述第二差值之间的比值，确定为所述状态置信度。

在一种可能的实现方式中，所述根据所述状态置信度，确定所述人脸图像中眼睛的状态，包括：在所述状态置信度小于预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为闭眼状态；或，在所述状态置信度大于或等于所述预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为睁眼状态。

在一种可能的实现方式中，所述方法还包括：标定所述待检测对象的眼睛开合度；其中，所述标定所述待检测对象的眼睛开合度，包括：获取所述待检测对象在睁眼状态下的睁眼图像，以及所述待检测对象在闭眼状态下的闭眼图像；对所述睁眼图像与所述闭眼图像分别进行关键点检测，得到所述睁眼图像中第一眼睛关键点，以及所述闭眼图像中第二眼睛关键点；根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长；将所述睁眼眼高与所述睁眼眼长之间的第一比值确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长；将所述闭眼眼高与所述闭眼眼长之间的第二比值确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高；将所述睁眼眼高确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高；将所述闭眼眼高确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将所述睁眼眼高与所述待检测对象的睁眼眼长之间的第一比值确定为所述眼睛张开度；或，在所述待检测对象的睁眼眼高大于所述预设睁眼眼高阈值的情况下，将所述睁眼眼高确定为所述眼睛张开度；其中，所述睁眼眼高与所述睁眼眼长是根据所述第一眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述方法还包括：在所述待检测对象的睁眼眼高小于或等于所述预设睁眼眼高阈值的情况下，向所述待检测对象发出睁眼提示，以重新获取所述待检测对象的睁眼图像。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高与所述待检测对象的闭眼眼长之间的第二比值确定为所述眼睛闭合度；或，在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高确定为所述眼睛闭合度；其中，所述闭眼眼高与所述闭眼眼长是根据所述第二眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述方法还包括：在所述待检测对象的闭眼眼高大于或等于所述预设闭眼眼高阈值的情况下，向所述待检测对象发出闭眼提示，以重新获取所述待检测对象的闭眼图像。

在一种可能的实现方式中，所述获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，包括：对所述人脸图像进行人脸识别，得到所述待检测对象的人脸识别结果；在所述人脸识别结果指示信息库中已录入所述待检测对象的眼睛开合度的情况下，从所述信息库中调取所述待检测对象的眼睛开合度。

在一种可能的实现方式中，所述方法还包括：在所述待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定所述待检测对象处于疲劳驾驶状态。

根据本公开的一方面，提供了一种眼睛状态判定装置，包括：获取模块，用于获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，所述眼睛开合度包括眼睛张开度与眼睛闭合度，所述眼睛张开度表征所述待检测对象在睁眼状态下标定的眼睛张开程度，所述眼睛闭合度表征所述待检测对象在闭眼状态下标定的眼睛闭合程度；检测模块，用于对所述人脸图像进行关键点检测，得到所述人脸图像中眼睛的眼睛关键点；尺寸确定模块，用于根据所述眼睛关键点，确定所述待检测对象的眼睛的尺寸信息，所述眼睛的尺寸信息包括所述眼睛的长度与高度中的至少一种；状态确定模块，用于根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，所述眼睛的状态包括闭眼状态或睁眼状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值；其中，所述状态确定模块，包括：第一状态确定子模块，用于将所述第一比值、所述第二比值以及所述眼睛的长度与高度，输入至眼睛状态判定网络，得到所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高；其中，所述状态确定模块，包括：状态置信度确定子模块，用于根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度；第二状态确定子模块，用于根据所述状态置信度，确定所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度，包括：计算所述眼睛的高度与所述闭眼眼高之间的第一差值，以及所述睁眼眼高与所述闭眼眼高之间的第二差值；将所述第一差值与所述第二差值之间的比值，确定为所述状态置信度。

在一种可能的实现方式中，所述根据所述状态置信度，确定所述人脸图像中眼睛的状态，包括：在所述状态置信度小于预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为闭眼状态；或，在所述状态置信度大于或等于所述预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为睁眼状态。

在一种可能的实现方式中，所述装置还包括：标定模块，用于标定所述待检测对象的眼睛开合度；其中，所述标定模块，包括：图像获取子模块，用于获取所述待检测对象在睁眼状态下的睁眼图像，以及所述待检测对象在闭眼状态下的闭眼图像；关键点检测子模块，用于对所述睁眼图像与所述闭眼图像分别进行关键点检测，得到所述睁眼图像中第一眼睛关键点，以及所述闭眼图像中第二眼睛关键点；开合度确定子模块，用于根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长；将所述睁眼眼高与所述睁眼眼长之间的第一比值确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长；将所述闭眼眼高与所述闭眼眼长之间的第二比值确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高；将所述睁眼眼高确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高；将所述闭眼眼高确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将所述睁眼眼高与所述待检测对象的睁眼眼长之间的第一比值确定为所述眼睛张开度；或，在所述待检测对象的睁眼眼高大于所述预设睁眼眼高阈值的情况下，将所述睁眼眼高确定为所述眼睛张开度；其中，所述睁眼眼高与所述睁眼眼长是根据所述第一眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述装置还包括：睁眼提示模块，用于在所述待检测对象的睁眼眼高小于或等于所述预设睁眼眼高阈值的情况下，向所述待检测对象发出睁眼提示，以重新获取所述待检测对象的睁眼图像。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高与所述待检测对象的闭眼眼长之间的第二比值确定为所述眼睛闭合度；或，在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高确定为所述眼睛闭合度；其中，所述闭眼眼高与所述闭眼眼长是根据所述第二眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述装置还包括：闭眼提示模块，用于在所述待检测对象的闭眼眼高大于或等于所述预设闭眼眼高阈值的情况下，向所述待检测对象发出闭眼提示，以重新获取所述待检测对象的闭眼图像。

在一种可能的实现方式中，所述获取模块，包括：识别子模块，用于对所述人脸图像进行人脸识别，得到所述待检测对象的人脸识别结果；调取子模块，用于在所述人脸识别结果指示信息库中已录入所述待检测对象的眼睛开合度的情况下，从所述信息库中调取所述待检测对象的眼睛开合度。

在一种可能的实现方式中，所述装置还包括：疲劳驾驶检测模块，用于在所述待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定所述待检测对象处于疲劳驾驶状态。

根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

在本公开实施例中，通过利用预先标定的待检测对象自身的眼睛张开度与眼睛闭合度，来确定待检测对象当前在人脸图像中眼睛的状态，这样无论待检测对象的眼睛大小，由于利用的是待检测对象自身的眼睛开合度，可以更准确地得到待检测对象的眼睛的状态，降低眼睛状态的误判率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的眼睛状态判定方法的流程图。

图2示出根据本公开实施例的一种睁眼眼睛区域的示意图。

图3示出根据本公开实施例的眼睛状态判定装置的框图。

图4示出根据本公开实施例的一种电子设备800的框图。

图5示出根据本公开实施例的另一种电子设备1900的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的眼睛状态判定方法的流程图，所述眼睛状态判定方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现，或者，可通过服务器执行所述方法。如图1所示，所述眼睛状态判定方法包括：

在步骤S11中，获取待检测对象的人脸图像以及预先标定的待检测对象的眼睛开合度。

其中，眼睛开合度包括眼睛张开度与眼睛闭合度，眼睛张开度表征待检测对象在睁眼状态下标定的眼睛张开程度，眼睛闭合度表征待检测对象在闭眼状态下标定的眼睛闭合程度。应理解的是，该眼睛开合度可以包括单只眼睛的眼睛张开度与眼睛闭合度，也可以包括两只眼睛的眼睛张开度与眼睛闭合度，对此本公开实施例不作限制。

在一种可能的实现方式中，眼睛张开度可以包括待检测对象在睁眼状态下的睁眼眼高，或在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值。其中，睁眼眼高可以理解为睁眼状态下的上眼睑最高点与下眼睑最低点之间的距离，睁眼眼长可以理解为睁眼状态下的内眼角顶点与外眼角顶点之间的距离。

图2示出根据本公开实施例的一种睁眼眼睛区域的示意图，如图2所示，睁眼眼高可以是上眼睑最高点62与下眼睑最低点66之间的距离d(62-66)，睁眼眼长可以是内眼角顶点64与外眼角顶点60之间的距离d(64-60)，那么眼睛张开度可以包括距离d(62-66)，或还可以包括第一比值

在一种可能的实现方式中，眼睛闭合度可以包括待检测对象在闭眼状态下的闭眼眼高，或在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值。其中，闭眼眼高可以理解为闭眼状态下的上眼睑最高点与下眼睑最低点之间的距离，闭眼眼长可以理解为闭眼状态下的内眼角顶点与外眼角顶点之间的距离。

在一种可能的实现方式中，人脸图像可以是图像采集设备实时采集的图像帧，例如，安装在车辆内的摄像头所采集的驾驶员的人脸图像帧。当然也可以是上述电子设备本地存储的人脸图像，或其它电子设备传输的人脸图像，对此本公开实施例不作限制。

其中，预先标定的眼睛开合度可以存储于信息库中，在对待检测对象进行眼睛状态判定时，可以从信息库中调取该待检测对象的眼睛开合度，信息库可以理解为一种数据库，信息库可以位于终端本地(例如车机本地)的存储空间中，或还可以位于云端的存储服务器中，对此本公开实施例不作限制。对于待检测对象的眼睛开合度的标定方式，为行为简洁，将在下文中进行阐述。

在步骤S12中，对人脸图像中进行关键点检测，得到人脸图像中眼睛的眼睛关键点。

考虑到，实际采集的人脸图像的背景中还可能存在较多干扰物品，为准确检测出眼睛关键点。在一种可能的实现方式中，对人脸图像中的眼睛区域进行关键点检测，得到人脸图像中眼睛的眼睛关键点，可以包括：对人脸图像进行人脸检测，得到人脸图像中的人脸区域；进而对人脸图像中的人脸区域进行关键点检测，得到人脸图像中眼睛的眼睛关键点。其中，眼睛关键点可以包括眼睛轮廓关键点(例如图2示出的60至67)。

应理解的是，本领域技术人员可以采用本领域已知的人脸检测技术以及关键点检测技术，例如，人脸检测网络、人脸检测算法、关键点检测网络、关键点检测算法等，对人脸图像分别进行人脸检测与关键点检测，对此本公开实施例不作限制。

如上所述，眼睛开合度可以包括单只眼睛的眼睛张开度与眼睛闭合度，也可以包括两只眼睛的眼睛张开度与眼睛闭合度。可理解的是，在眼睛开合度包括单只眼睛的眼睛张开度与眼睛闭合度的情况下，可以对人脸图像中该单只眼睛的眼睛区域进行关键点检测，得到人脸图像中该单只眼睛的眼睛关键点；在眼睛开合度包括两只眼睛的眼睛张开度与眼睛闭合度的情况下，可以对人脸图像中两只眼睛的眼睛区域进行关键点检测，得到人脸图像中两只眼睛各自的眼睛关键点。

在步骤S13中，根据眼睛关键点，确定待检测对象的眼睛的尺寸信息。

其中，眼睛的尺寸信息可以包括眼睛的长度与高度中的至少一种。也即，待检测对象的尺寸信息可以包括待检测对象在人脸图像中眼睛的长度与高度中的至少一种。眼睛的长度可以理解为人脸图像中眼睛的内眼角顶点与外眼角顶点之间的距离，眼睛的高度可以理解为人脸图像中眼睛的上眼睑最高点与下眼睑最低点之间的距离。

应理解的是，在通过步骤S12检测出眼睛关键点后，可以根据眼睛关键点中的内眼角顶点坐标与外眼角顶点坐标，计算出待检测对象在人脸图像中眼睛的长度；以及根据眼睛关键点中的上眼睑最高点坐标与下眼睑最低点坐标，计算出待检测对象在人脸图像中眼睛的高度。

举例来说，假设内眼角顶点坐标为(x1,y1)，外眼角顶点坐标为(x2,y2)，那么待检测对象在人脸图像中眼睛的长度可以是两横坐标之间差值|x1-x2|，或还可以是内眼角顶点和外眼角顶点之间的直线距离

假设上眼睑最高点坐标为(x3,y3)，下眼睑最低点坐标为(x4,y4)，那么待检测对象在人脸图像中眼睛的高度可以是两纵坐标之间差值|y3-y4|，或还可以是上眼睑最高点和下眼睑最低点之间的直线距离

在一些实施例中，还可以根据人脸图像检测头部姿态，根据头部姿态角对人脸图像进行校正，基于校正后的人脸图像中内外眼角的横坐标之间的距离确定眼睛的长度，基于校正后的人脸图像中上眼睑最高点和下眼睑最低点的纵坐标之间的距离确定眼睛的高度。或者，在获取头部姿态角之后，利用头部姿态角中的水平偏转角对根据原始人脸图像计算出的内眼角顶点横x1与外眼角顶点横坐标之间的差值|x1-x2|进行校正，利用头部姿态角中的垂直俯仰角对根据原始人脸图像计算出的上眼睑最高点纵坐标y3与下眼睑最低点纵坐标y4之间的差值|y3-y4|进行校正，以获得更精确的眼睛长度和高度的计算结果。

在一些实施例中，还可以根据人脸图像定位出眼睛区域，针对眼睛区域拟合眼睑线来获得眼部轮廓，根据眼部轮廓定位出内眼角、外眼角、上眼睑最高点和下眼睑最低点，从而计算出眼睛的高度和眼睛的宽度。

在步骤S14中，根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，眼睛的状态包括闭眼状态或睁眼状态。

如上所述，眼睛开合度包括眼睛张开度与眼睛闭合度；眼睛张开度可以包括待检测对象在睁眼状态下的睁眼眼高，或在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值；眼睛闭合度可以包括待检测对象在闭眼状态下的闭眼眼高，或在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值。

其中，在眼睛张开度包括睁眼眼高，眼睛闭合度包括闭眼眼高的情况下，在一种可能的实现方式中，根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，可以包括：计算尺寸信息中眼睛的高度与睁眼眼高之间的第一相似度，以及该眼睛的高度与闭眼眼高之间的第二相似度；若第一相似度大于第二相似度，确定人脸图像中眼睛的状态为睁眼状态；若第一相似度小于第二相似度，确定人脸图像中眼睛的状态为闭眼状态；若第一相似度等于第二相似度，可以认为此次眼睛状态的判定是无效的，可以重新采集待检测对象的人脸图像，并按照步骤S11-S14重新判定眼睛状态。

其中，可以采集现有的距离计算公式，例如，欧式距离；或现有的误差计算公式，例如绝对误差，相对误差等，计算上述第一相似度与第二相似度。举例来说，第一相似度可以是眼睛的高度H与睁眼眼高H₀的欧式距离

或是绝对误差|H-H₀|，或是相对误差

同样，第二相似度可以是眼睛的高度H与闭眼眼高H₁的欧式距离

或是绝对误差|H-H₁|，或是相对误差

应理解的是，若上述第一相似度大于上述第二相似度，可以认为人脸图像中眼睛更接近睁眼状态，则可以确定人脸图像中眼睛的状态为睁眼状态；若上述第一相似度小于上述第二相似度，可以认为人脸图像中眼睛更接近闭眼状态，则可以确定人脸图像中眼睛的状态为闭眼状态。

其中，在眼睛张开度包括睁眼眼高与睁眼眼长之间的第一比值，眼睛闭合度包括闭闭眼眼高与闭眼眼长之间的第二比值的情况下，在一种可能的实现方式中，根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，可以包括：计算尺寸信息中眼睛的高度与长度之间的比值；计算该比值与第一比值之间的第三相似度，以及该比值与第二比值之间的第四相似度；若第三相似度大于第四相似度，确定人脸图像中眼睛的状态为睁眼状态；若第三相似度小于第四相似度，确定人脸图像中眼睛的状态为闭眼状态；若第三相似度等于第四相似度，可以认为此次眼睛状态的判定是无效的，进而可以重新采集待检测对象的人脸图像，并按照步骤S11-S14重新判定眼睛状态。

其中，第三相似度与第四相似度的计算方式，可以参照上述第一相似度与第二相似度的实现方式，对此本公开实施例不作限制。应理解的是，若上述第三相似度大于上述第四相似度，可以认为人脸图像中眼睛更接近睁眼状态，则可以确定人脸图像中眼睛的状态为睁眼状态；若上述第三相似度小于上述第四相似度，可以认为人脸图像中眼睛更接近闭眼状态，则可以确定人脸图像中眼睛的状态为闭眼状态。

应理解的是，若眼睛开合度包括单只眼睛的眼睛张开度与眼睛闭合度，则人脸图像中眼睛的状态为该单只眼睛的状态；若眼睛开合度包括两只眼睛的眼睛张开度与眼睛闭合度，则人脸图像中眼睛的状态包括两只眼睛各自的状态。

在一种可能的实现方式中，本公开实施例的眼睛状态判定方法可以应用于疲劳驾驶检测系统、活体检测系统、刷脸支付系统等需要判定眼睛状态的系统中，可以提高针对不同形状眼睛或不同大小眼睛的状态的判定准确度，降低眼睛状态的误判率。

在本公开实施例中，通过利用预先标定的待检测对象自身的眼睛张开度与眼睛闭合度，来确定待检测对象当前在人脸图像中眼睛的状态，这样无论待检测对象的眼睛大小，由于利用的是待检测对象自身的眼睛开合度，可以更准确地得到待检测对象的眼睛的状态，降低眼睛状态的误判率。

如上所述，眼睛开合度包括眼睛张开度与眼睛闭合度，眼睛张开度包括待检测对象在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值，眼睛闭合度包括待检测对象在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值；在一种可能的实现方式中，在步骤S14中，根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，包括：

将第一比值、第二比值以及眼睛的长度与高度，输入至眼睛状态判定网络，得到人脸图像中眼睛的状态。

其中，本公开实施例对于眼睛状态判定网络的网络类型、网络结构以及训练方式等不作限制。例如，眼睛状态判定网络可以采用卷积神经网络、残差神经网络、自回归神经网络等网络类型。

在一种可能的实现方式中，眼睛状态判定网络可以是基于多个样本眼部图像中眼睛的样本眼睛开合度与样本尺寸信息，对初始网络进行训练得到的，样本眼部图像包括样本睁眼图像与样本闭眼图像，样本眼睛开合度包括样本睁眼图像中眼睛的样本眼睛张开度与样本闭眼图像中眼睛的样本眼睛闭合度。应理解的是，初始网络的网络结构与网络类型是与眼睛状态判定网络可以是相同的，网络参数可以是不同的。

其中，样本睁眼图像与样本闭眼图像可以是对大量不同用户分别在睁眼状态与闭眼状态下采集的图像，例如，每个用户可以采集一千张样本闭眼图像，一千张样本睁眼图像；然后参照上述本公开实施例中眼睛开合度的标定方式，标定每个用户对应的样本眼睛张开度与样本眼睛闭合度；以及参照上述本公开实施例中尺寸信息的确定方式，确定每个样本睁眼图像中眼睛的样本尺寸信息，与每个样本闭眼图像中眼睛的样本尺寸信息。

其中，每个用户的样本眼睛张开度可以包括该用户对应的一千张样本睁眼图像中眼睛的睁眼眼高与睁眼眼长之间之前的比值的平均值，每个用户的样本眼睛闭合度可以包括该用户对应的一千张样本闭眼图像中眼睛的闭眼眼高与闭眼眼长之间的比值的平均值。每个样本睁眼图像的样本尺寸信息可以包括每个样本睁眼图像中眼睛的睁眼眼高与睁眼眼长，每个样本闭眼图像的样本尺寸信息可以包括每个样本闭眼图像中眼睛的闭眼眼高与闭眼眼长。

在一种可能的实现方式中，基于多个样本眼部图像中眼睛的样本眼睛开合度与样本尺寸信息，对初始网络进行训练，可以包括：将同一样本眼部图像的样本眼睛开合度与样本尺寸信息，输入至初始网络中，得到初始网络输出的预测眼睛状态；利用预测眼睛状态与样本眼部图像中眼睛的标注眼睛状态之间的损失，优化初始网络的网络参数至损失满足预设条件，得到眼睛状态判定网络。其中，预设条件例如可以包括损失收敛、损失达到指定值(例如0)等，对此本公开实施例不作限制。

在本公开实施例中，能够利用预先标定的待检测对象自身对应的眼睛张开度与眼睛闭合度，结合眼睛状态判定网络来确定待检测对象当前在人脸图像中眼睛的状态，这样无论待检测对象的眼睛大小，由于利用的是待检测对象自身的眼睛开合度，可以更准确地得到待检测对象的眼睛的状态，降低眼睛状态的误判率。

如上所述，眼睛张开度包括待检测对象在睁眼状态下的睁眼眼高，眼睛闭合度包括待检测对象在闭眼状态下的闭眼眼高；在一种可能的实现方式中，在步骤S14中，根据眼睛开合度以及尺寸信息，确定人脸图像中眼睛的状态，包括：

步骤S141：根据睁眼眼高、闭眼眼高以及眼睛的高度，确定人脸图像中眼睛的状态置信度。

其中，状态置信度可以表征人脸图像中眼睛更接近睁眼状态还是更接近闭眼状态。

在一种可能的实现方式中，根据睁眼眼高、闭眼眼高以及眼睛的高度，确定人脸图像中眼睛的状态置信度，包括：计算眼睛的高度与闭眼眼高之间的第一差值，以及睁眼眼高与闭眼眼高之间的第二差值；将第一差值与第二差值之间的比值，确定为状态置信度。该方式可以表示为公式(1)，通过该方式，能够得到用于判定眼睛状态的状态置信度，从而便于之后得到眼睛的状态。

其中，H代表眼睛的高度、H₀代表睁眼眼高、H₁代表闭眼眼高。

应理解的是，基于公式(1)，若状态置信度k₀接近于1，也即人脸图像中眼睛的高度接近睁眼眼高，可以认为人脸图像中眼睛的状态接近睁眼状态，若状态置信度k₀接近于0，也即人脸图像中眼睛的高度接近闭眼眼高，可以认为人脸图像中眼睛的状态接近闭眼状态。

在一种可能的实现方式中，根据睁眼眼高、闭眼眼高以及眼睛的高度，确定人脸图像中眼睛的状态置信度，还可以包括：计算眼睛的高度与睁眼眼高之间的第三差值，以及闭眼眼高与睁眼眼高之间的第四差值；将第三差值与第四差值之间的比值，确定为状态置信度。该方式可以表示为公式(2)，通过该方式，能够得到用于判定眼睛状态的状态置信度，从而便于之后得到眼睛的状态。

应理解的是，基于公式(2)，若状态置信度k₁接近于0，也即人脸图像中眼睛的高度接近睁眼眼高，可以认为人脸图像中眼睛的状态接近睁眼状态，若状态置信度k₁接近于1，也即人脸图像中眼睛的高度接近闭眼眼高，可以认为人脸图像中眼睛的状态接近闭眼状态。

步骤S142：根据状态置信度，确定人脸图像中眼睛的状态。

在一种可能的实现方式中，基于公式(1)计算的状态置信度k₀与1之间的绝对差小于第一阈值的情况下，或者基于公式(2)计算的状态置信度k1小于第一阈值的情况下，可以确定人脸图像中的眼睛状态为睁眼状态；基于公式(1)计算的状态置信度k₀小于第一阈值的情况下，或者基于公式(2)计算的状态置信度k1与1的绝对差小于第一阈值的情况下，可以确定人脸图像中的眼睛状态为闭眼状态。其中，第一阈值可以是小于0.5的值，例如为0.2。

在一种可能的实现方式中，可以根据状态置信度以及预设置信度阈值，确定人脸图像中眼睛的状态。

基于公式(1)计算的状态置信度，在一种可能的实现方式中，根据状态置信度，确定人脸图像中眼睛的状态，可以包括：在状态置信度小于预设置信度阈值的情况下，确定人脸图像中眼睛的状态为闭眼状态；或，在状态置信度大于或等于预设置信度阈值的情况下，确定人脸图像中眼睛的状态为睁眼状态。通过该方式，能够利用状态置信度与预设置信度阈值，准确地确定出眼睛状态。

基于公式(2)计算的状态置信度，在一种可能的实现方式中，根据状态置信度，确定人脸图像中眼睛的状态，可以包括：在状态置信度小于预设置信度阈值的情况下，确定人脸图像中眼睛的状态为睁眼状态；或，在状态置信度大于或等于预设置信度阈值的情况下，确定人脸图像中眼睛的状态为闭眼状态。通过该方式，能够利用状态置信度与预设置信度阈值，准确地确定出眼睛状态。

应理解的是，对于预设置信度阈值的具体数值，可以基于眼睛开合度的标定精度、历史经验等确定，例如可以设置为0.1，对此本公开实施例不作限制。其中，当上述眼睛状态判定方法应用于疲劳驾驶检测时，预设置信度阈值还可以基于疲劳驾驶检测的统计准确率，调整预设置信度阈值，以达到疲劳驾驶检测要求的准确率。其中，可以在驾驶员正常驾驶过程中采集疲劳数据与非疲劳数据，来统计疲劳驾驶检测的准确率。

在本公开实施例中，能够利用预先标定的待检测对象自身对应的睁眼眼高与闭眼眼高，来确定待检测对象当前在人脸图像中眼睛的状态，由于利用的是待检测对象自身的眼睛开合度，可以更准确地得到待检测对象的眼睛的状态，降低眼睛状态的误判率。

如上所述，可以预先对待检测对象的眼睛开合度进行标定，来得到预先标定的待检测对象的眼睛开合度。在一种可能的实现方式中，所述方法还可以包括：步骤S10，标定待检测对象的眼睛开合度。其中，该步骤S10标定待检测对象的眼睛开合度，可以包括：

步骤S101，获取待检测对象在睁眼状态下的睁眼图像，以及待检测对象在闭眼状态下的闭眼图像。

在一种可能的实现方式中，睁眼图像可以是从图像采集设备所采集的睁眼视频中选取的至少一帧图像帧，睁眼视频可以是待检测对象在睁眼状态下正常目视前方所拍摄的视频，例如拍摄10秒的睁眼视频；当然还可以是在待检测对象在睁眼状态下正常目视前方时，图像采集设备直接拍摄的至少一张图像。

同样的，闭眼图像可以是从图像采集设备所采集的闭眼视频中选取的至少一帧图像帧，闭眼视频可以是待检测对象在闭眼状态下持续一段时间所拍摄的视频，例如拍摄10秒的闭眼视频；当然还可以是在待检测对象在闭眼状态下，图像采集设备直接拍摄的至少一张图像。

应理解的是，睁眼图像与闭眼图像还可以是从上述电子设备的本地存储中调取的图像，例如，待检测对象可以手动导入至少一个预先拍摄并存储在本地的睁眼图像与闭眼图像；或还可以是其它电子设备传输的图像，例如，待检测对象可以使用手机终端拍摄睁眼图像与闭眼图像，并将拍摄的睁眼图像与闭眼图像发送至上述电子设备，对此本公开实施例不作限制。

步骤S102，对睁眼图像与闭眼图像分别进行关键点检测，得到睁眼图像中第一眼睛关键点，以及闭眼图像中第二眼睛关键点。

如上所述，考虑到睁眼图像与闭眼图像的背景中可能存在较多干扰物品，为准确检测出第一眼睛关键点与第二眼睛关键点，在一种可能的实现方式中，对睁眼图像与闭眼图像分别进行关键点检测，得到睁眼图像中第一眼睛关键点，以及闭眼图像中第二眼睛关键点，可以包括：对睁眼图像与闭眼图像分别进行人脸检测，得到睁眼图像中的人脸区域以及闭眼图像中的人脸区域；对睁眼图像中的人脸区域进行关键点检测，得到睁眼图像中眼睛的第一眼睛关键点，以及对闭眼图像中的人脸区域进行关键点检测，得到闭眼图像中眼睛的第二眼睛关键点。

其中，眼睛关键点可以包括单只眼睛的眼睛轮廓关键点与瞳孔关键点，还可以包括两只眼睛各自的眼睛轮廓关键点与瞳孔关键点。

应理解的是，本领域技术人员可以采用本领域已知的人脸检测技术以及关键点检测技术，例如，人脸检测网络、人脸检测算法、关键点检测网络、关键点检测算法等，对睁眼图像与闭眼图像分别进行人脸检测与关键点检测，对此本公开实施例不作限制。

步骤S103，根据第一眼睛关键点与第二眼睛关键点，确定眼睛开合度。

如上所述，眼睛开合度包括眼睛张开度与眼睛闭合度，眼睛张开度包括睁眼眼高与睁眼眼长之间的第一比值，眼睛闭合度包括闭眼眼高与闭眼眼长之间的第二比值；在一种可能的实现方式中，根据第一眼睛关键点与第二眼睛关键点，确定眼睛开合度，可以包括：根据第一眼睛关键点的像素坐标，确定待检测对象在睁眼状态下的睁眼眼高与睁眼眼长；将睁眼眼高与睁眼眼长之间的第一比值确定为眼睛张开度；根据第二眼睛关键点的像素坐标，确定待检测对象在闭眼状态下的闭眼眼高与闭眼眼长；将闭眼眼高与闭眼眼长之间的第二比值确定为眼睛闭合度。通过该方式，能够准确得到表征眼睛张开程度的眼睛张开度以及表征眼睛闭合程度的眼睛闭合度。

如上所述，睁眼眼高可以理解为睁眼状态下的上眼睑最高点与下眼睑最低点之间的距离，睁眼眼长可以理解为睁眼状态下的内眼角顶点与外眼角顶点之间的距离。在得到第一眼睛关键点后，可以根据第一眼睛关键点的像素坐标中的内眼角顶点坐标与外眼角顶点坐标，计算出睁眼图像中眼睛的睁眼眼长；以及根据第一眼睛关键点的像素坐标中的上眼睑最高点坐标与下眼睑最低点坐标，计算出睁眼图像中眼睛的睁眼眼高。

同样的，在得到第二眼睛关键点后，可以根据第二眼睛关键点的像素坐标中的内眼角顶点坐标与外眼角顶点坐标，计算出闭眼图像中眼睛的闭眼眼长；以及根据第二眼睛关键点的像素坐标中的上眼睑最高点坐标与下眼睑最低点坐标，计算出闭眼图像中眼睛的闭眼眼高。

举例来说，假设第一眼睛关键点的像素坐标中的内眼角顶点坐标为(x5,y5)，外眼角顶点坐标为(x6,y6)，那么睁眼图像中眼睛的睁眼眼长可以是两横坐标之间差值|x5-x6|，或还可以是两坐标之间的直线距离

假设第一眼睛关键点的像素坐标中的上眼睑最高点坐标为(x7,y7)，下眼睑最低点坐标为(x8,y8)，那么睁眼图像中眼睛的睁眼眼高可以是两纵坐标之间差值|y7-y8|，或还可以是两坐标之间的直线距离

应理解的是，闭眼眼高可以采用与上述睁眼眼高相同的计算方式，闭眼眼长可以采用与上述睁眼眼长相同的计算方式，在此不做赘述。

如上所述，眼睛张开度还可以包括睁眼眼高，眼睛闭合度还可以包括闭眼眼高。在一种可能的实现方式中，根据第一眼睛关键点与第二眼睛关键点，确定眼睛开合度，包括：根据第一眼睛关键点的像素坐标，确定待检测对象在睁眼状态下的睁眼眼高；将睁眼眼高确定为眼睛张开度；根据第二眼睛关键点的像素坐标，确定待检测对象在闭眼状态下的闭眼眼高；将闭眼眼高确定为眼睛闭合度。通过该方式，可以更便捷地得到眼睛张开度与眼睛闭合度。

其中，根据第一眼睛关键点的像素坐标确定睁眼眼高，以及根据第二眼睛关键点的像素坐标确定闭眼眼高的实现方式，可以参照上述本公开实施例的相关说明，在此不做赘述。

如上所述，可以获取待检测对象的至少一个睁眼图像与至少一个闭眼图像，在睁眼图像包括至少两个，以及闭眼图像包括至少两个的情况下，可以通过步骤S102至步骤S103计算各个睁眼图像中眼睛的眼睛张开度以及各个闭眼图像中眼睛的眼睛闭合度；再将至少两个睁眼图像中眼睛的眼睛张开度的平均值，作为预先标定的眼睛张开度，以及将至少两个闭眼图像中眼睛的眼睛张开度的平均值，作为预先标定的眼睛闭合度。

在本公开实施例中，能够利用睁眼图像与闭眼图像，准确标定出眼睛张开度以及眼睛闭合度。

考虑到，上述步骤S101中获取到的睁眼图像中眼睛可能并不是睁眼状态，例如，可能是眯眼状态或闭眼状态，为尽可能提高利用睁眼图像所计算的眼睛张开度的准确度，在一种可能的实现方式中，在步骤S103中，根据第一眼睛关键点与第二眼睛关键点，确定眼睛开合度，可以包括：

在待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将睁眼眼高与待检测对象的睁眼眼长之间的第一比值确定为眼睛张开度；或，在待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将睁眼眼高确定为眼睛张开度；其中，睁眼眼高与睁眼眼长是根据第一眼睛关键点的像素坐标确定的。

其中，预设睁眼眼高阈值可以是大数据统计下眼睛处于睁眼状态的经验最低眼高，当睁眼眼高大于预设睁眼眼高阈值，可以认为睁眼图像中眼睛是睁眼状态。通过预设睁眼眼高阈值可以尽可能确保睁眼图像中眼睛是睁眼状态。

其中，可以参照上述本公开实施例中睁眼眼高与睁眼眼长的确定方式，实现根据第一眼睛关键点的像素坐标确定睁眼眼高与睁眼眼长，在此不做赘述。

在一种可能的实现方式中，所述方法还包括：在待检测对象的睁眼眼高小于或等于预设睁眼眼高阈值的情况下，向待检测对象发出睁眼提示，以重新获取待检测对象的睁眼图像。通过该方式，有利于获取眼睛真正处于睁眼状态的睁眼图像。

其中，睁眼眼高小于或等于预设睁眼眼高阈值，可以认为睁眼图像中眼睛不是睁眼状态，在该情况下，可以通过语音或文字等方式，向待检测对象发出睁眼提示，例如，在通过车内摄像头采集驾驶员的睁眼图像，来标定驾驶员的眼睛张开度时，若驾驶员的睁眼图像中睁眼眼高小于预设睁眼眼高阈值，可以通过车内音响向驾驶员发出语音的睁眼提示，或还可以通过车机显示屏显示文字的睁眼提示，以提醒驾驶员进入睁眼状态，并重新采集驾驶员的睁眼图像。

在本公开实施例中，通过预设睁眼眼高阈值可以尽可能确保睁眼图像中眼睛是睁眼状态，从而有利于提高利用睁眼图像所计算的眼睛张开度的准确度。

考虑到，上述步骤S101中获取到的闭眼图像中眼睛可能并不是闭眼状态，例如，可能是眯眼状态或睁眼状态，为尽可能提高利用闭眼图像所计算的眼睛闭合度的准确度，在一种可能的实现方式中，在步骤S103中，根据第一眼睛关键点与第二眼睛关键点，确定眼睛开合度，包括：

在待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将闭眼眼高与待检测对象的闭眼眼长之间的第二比值确定为眼睛闭合度；或，在待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将闭眼眼高确定为眼睛闭合度；其中，闭眼眼高与闭眼眼长是根据第二眼睛关键点的像素坐标确定的。

其中，预设闭眼眼高阈值可以是大数据统计下眼睛处于闭眼状态的经验最高眼高，当闭眼眼高小于预设闭眼眼高阈值，可以认为闭眼图像中眼睛是闭眼状态。通过预设闭眼眼高阈值可以尽可能确保闭眼图像中眼睛是闭眼状态。

其中，可以参照上述本公开实施例中闭眼眼高与闭眼眼长的确定方式，实现根据第二眼睛关键点的像素坐标确定闭眼眼高与闭眼眼长，在此不做赘述。

在一种可能的实现方式中，所述方法还包括：在待检测对象的闭眼眼高大于或等于预设闭眼眼高阈值的情况下，向待检测对象发出闭眼提示，以重新获取待检测对象的闭眼图像。通过该方式，有利于获取眼睛真正处于闭眼状态的闭眼图像。

其中，闭眼眼高大于或等于闭眼睁眼眼高阈值，可以认为闭眼图像中眼睛不是闭眼状态，在该情况下，可以通过语音或文字等方式，向待检测对象发出闭眼提示，例如，在通过车内摄像头采集驾驶员的闭眼图像来标定驾驶员的眼睛闭合度时，若驾驶员的睁眼图像中闭眼眼高小于预设闭眼眼高阈值，可以通过车内音响向驾驶员发出语音的闭眼提示，或还可以通过车机显示屏显示文字的闭眼提示，以提醒驾驶员进入闭眼状态，并重新采集驾驶员的闭眼图像。

在本公开实施例中，通过预设闭眼眼高阈值可以尽可能确保闭眼图像中眼睛是闭眼状态，从而有利于提高利用闭眼图像所计算的眼睛闭合度的准确度。

如上所述，预先标定的眼睛开合度可以存储与信息库中，也即通过上述步骤S101至步骤S103得到待检测对象的眼睛开合度后，可以将该眼睛开合度存储于信息库中，以便于随时调取待检测对象的眼睛开合度，考虑到信息库中可以存储多个待检测对象的眼睛开合度，还可以通过将各个待检测对象的身份信息也存储与该信息库中，并将各个待检测对象的身份信息与各个待检测对象的眼睛开合度关联绑定。通过该方式，可以便于利用待检测对象的身份信息从信息库中获取与该待检测对象对应的眼睛开合度。

其中，身份信息例如可以包括：身份标识(如唯一用户名、身份证号、手机号等)，或还可以是生物特征(如人脸特征、虹膜特征、指纹特征、声纹特征等)。这样在步骤S11获取待检测对象的眼睛开合度时，可以利用待检测对象主动输入的身份标识，与信息库中存储的各个身份标识进行匹配；或采集待检测对象的生物特征，将采集的生物特征与信息库中存储的登记生物特征进行特征匹配，以从信息库调取该待检测对象的眼睛开合度。其中，登记生物特征可以是标定待检测对象的眼睛开合度时所获取的生物特征。

举例来说，当上述眼睛状态判定方法应用于疲劳驾驶检测时，驾驶员在开车前可以通过车机的交互界面输入身份标识来启动疲劳驾驶检测系统，从而可以基于驾驶员输入的身份标识，从车机本地的信息库中调取该驾驶员的眼睛开合度；或在驾驶员启动车辆后，自动启动疲劳驾驶检测系统，通过车辆内设置的摄像头采集驾驶员的人脸图像，进而从人脸图像中提取人脸特征，将提取的人脸特征与信息库中的各个登记人脸特征进行特征匹配，以调取该驾驶员的眼睛开合度；或车内还可以设置有指纹采集器，声纹采集器等，采集驾驶员的指纹特征或声纹特征，并利用采集的指纹特征与信息库中的各个登记指纹特征进行特征匹配，或利用采集的声纹特征与信息库中的各个登记声纹特征进行特征匹配，以从信息库中调取眼睛开合度。

如上所述，可以利用待检测对象的身份信息从信息库中获取与该待检测对象对应的眼睛开合度，身份信息可以包括人脸特征。在一种可能的实现方式中，在步骤S11中，获取待检测对象的人脸图像以及预先标定的待检测对象的眼睛开合度，包括：

对人脸图像进行人脸识别，得到待检测对象的人脸识别结果；在人脸识别结果指示信息库中已录入待检测对象的眼睛开合度的情况下，从信息库中调取待检测对象的眼睛开合度。

在一种可能的实现方式中，信息库中可以存储有不同待检测对象的眼睛开合度以及不同待检测对象的登记人脸特征，各个待检测对象的登记人脸特征可以与各个待检测对象的眼睛开合度关联绑定。其中，登记人脸特征可以是在标定待检测对象的眼睛开合度时从睁眼图像中提取的人脸特征。

在一种可能的实现方式中，对人脸图像进行人脸识别，得到待检测对象的人脸识别结果，可以包括：从人脸图像中提取人脸特征；将提取的人脸特征与信息库中的各个登记人脸特征进行特征匹配，得到人脸识别结果。应理解的是，本领域技术人员可以采用本领域已知的特征提取技术，例如，特征提取网络，实现从人脸图像提取人脸特征，对此本公开实施例不作限制。

其中，将提取的人脸特征与信息库中的各个登记人脸特征进行特征匹配，可以理解为计算提取的人脸特征与各个登记人脸特征之间的特征相似度；人脸识别结果可以包括特征匹配成功，也即提取的人脸特征与某个登记人脸特征之间的特征相似度超过指定阈值(例如95％)，意味着信息库中已录入该待检测对象的登记人脸特征以及眼睛开合度；人脸识别结果还可以包括特征匹配失败，也即提取的人脸特征与各个登记人脸特征之间的特征相似度均未超过指定阈值，意味着信息库中未录入该待检测对象的人脸特征以及眼睛开合度。

其中，在人脸识别结果指示信息库中已录入待检测对象的眼睛开合度的情况下，从信息库中调取待检测对象的眼睛开合度，可以理解为，从信息库中调取与提取的人脸特征匹配成功的登记人脸特征所关联的眼睛开合度。

在一种可能的实现方式中，在人脸识别结果指示信息库中未录入待检测对象的眼睛开合度的情况下，也即人脸识别结果为特征匹配失败的情况下，向待检测对象发出标定提示，以提示待检测对象进行上述眼睛开合度的标定过程，来标定该待检测对象的眼睛开合度。

在本公开实施例中，能够利用人脸识别方式，从信息库中有效获取待检测对象的眼睛开合度。

如上所述，本公开实施例的眼睛状态判定方法可以应用于针对驾驶员的疲劳驾驶检测，在一种可能的实现方式中，所述方法还包括：在待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定待检测对象处于疲劳驾驶状态。

应理解的是，针对驾驶员的疲劳驾驶检测，通常是车内摄像头按照一定采集帧率，连续采集整个驾驶过程中驾驶员的人脸图像，并对连续采集的人脸图像进行眼睛状态判定，以实时判断驾驶员的眼睛状态。以及，通常是驾驶员持续处于闭眼状态超过预设时长阈值(例如2秒)时，判定驾驶员处于疲劳驾驶状态。

其中，待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态，可以理解为，待检测对象持续处于闭眼状态超过预设时长阈值。应理解的是，连续多帧人脸图像的具体帧数，可以依据预设时长阈值以及车内摄像头的采集帧率确定，例如，预设时长阈值为2秒，图像采集帧率为100帧/秒，那么可以在连续201帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定待检测对象处于疲劳驾驶状态。

当车辆中使用了应用上述眼睛状态判定方法的疲劳驾驶检测系统，驾驶员在首次启动该疲劳驾驶检测系统时，疲劳驾驶检测系统可以引导驾驶员进入眼睛开合度的标定过程，将标定的驾驶员的眼睛开合度与驾驶员的人脸特征相绑定；之后当该驾驶员驾驶该车辆时，疲劳驾驶检测系统会自动根据眼睛开合度判定眼睛状态，实现疲劳驾驶检测，并在确定驾驶是疲劳驾驶状态时进行告警。其中，利用标定的眼睛开合度，能够降低个体眼睛形状差异产生的疲劳误报或疲劳漏报的现象。

在一种可能的实现方式中，上述疲劳驾驶检测系统可以应用于乘用车、出租车、网约车、长途客车、长途货车等各种车辆中，实现对驾驶员的疲劳驾驶检测，提高车辆驾驶安全性。

在本公开实施例中，能够利用上述眼睛状态判定方法所判定的眼睛状态，实现对待检测对象更准确地疲劳驾驶检测。

相关技术中，通常是利用大数据训练获得的神经网络对眼部关键点进行处理，得到眼睛开闭分数，利用疲劳阈值与该眼睛开闭分数之间的大小关系来判定眼睛的状态，并没有考虑个体眼睛正常开闭时的大小差异；而根据本公开的实施例，通过自标定个体对象自身的眼睛开合度，实现准确地判定眼睛的状态，降低眼睛状态的误判率。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了眼睛状态判定装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种眼睛状态判定方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

图3示出根据本公开实施例的眼睛状态判定装置的框图，如图3所示，所述装置包括：

获取模块101，用于获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，所述眼睛开合度包括眼睛张开度与眼睛闭合度，所述眼睛张开度表征所述待检测对象在睁眼状态下标定的眼睛张开程度，所述眼睛闭合度表征所述待检测对象在闭眼状态下标定的眼睛闭合程度；

检测模块102，用于对所述人脸图像进行关键点检测，得到所述人脸图像中眼睛的眼睛关键点；

尺寸确定模块103，用于根据所述眼睛关键点，确定所述待检测对象的眼睛的尺寸信息，所述眼睛的尺寸信息包括所述眼睛的长度与高度中的至少一种；

状态确定模块104，用于根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，所述眼睛的状态包括闭眼状态或睁眼状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值；其中，所述状态确定模块104，包括：第一状态确定子模块，用于将所述第一比值、所述第二比值以及所述眼睛的长度与高度，输入至眼睛状态判定网络，得到所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高；其中，所述状态确定模块104，包括：状态置信度确定子模块，用于根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度；第二状态确定子模块，用于根据所述状态置信度，确定所述人脸图像中眼睛的状态。

在一种可能的实现方式中，所述根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度，包括：计算所述眼睛的高度与所述闭眼眼高之间的第一差值，以及所述睁眼眼高与所述闭眼眼高之间的第二差值；将所述第一差值与所述第二差值之间的比值，确定为所述状态置信度。

在一种可能的实现方式中，所述根据所述状态置信度，确定所述人脸图像中眼睛的状态，包括：在所述状态置信度小于预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为闭眼状态；或，在所述状态置信度大于或等于所述预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为睁眼状态。

在一种可能的实现方式中，所述装置还包括：标定模块，用于标定所述待检测对象的眼睛开合度；其中，所述标定模块，包括：图像获取子模块，用于获取所述待检测对象在睁眼状态下的睁眼图像，以及所述待检测对象在闭眼状态下的闭眼图像；关键点检测子模块，用于对所述睁眼图像与所述闭眼图像分别进行关键点检测，得到所述睁眼图像中第一眼睛关键点，以及所述闭眼图像中第二眼睛关键点；开合度确定子模块，用于根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长；将所述睁眼眼高与所述睁眼眼长之间的第一比值确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长；将所述闭眼眼高与所述闭眼眼长之间的第二比值确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高；将所述睁眼眼高确定为所述眼睛张开度；根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高；将所述闭眼眼高确定为所述眼睛闭合度。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将所述睁眼眼高与所述待检测对象的睁眼眼长之间的第一比值确定为所述眼睛张开度；或，在所述待检测对象的睁眼眼高大于所述预设睁眼眼高阈值的情况下，将所述睁眼眼高确定为所述眼睛张开度；其中，所述睁眼眼高与所述睁眼眼长是根据所述第一眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述装置还包括：睁眼提示模块，用于在所述待检测对象的睁眼眼高小于或等于所述预设睁眼眼高阈值的情况下，向所述待检测对象发出睁眼提示，以重新获取所述待检测对象的睁眼图像。

在一种可能的实现方式中，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高与所述待检测对象的闭眼眼长之间的第二比值确定为所述眼睛闭合度；或，在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高确定为所述眼睛闭合度；其中，所述闭眼眼高与所述闭眼眼长是根据所述第二眼睛关键点的像素坐标确定的。

在一种可能的实现方式中，所述装置还包括：闭眼提示模块，用于在所述待检测对象的闭眼眼高大于或等于所述预设闭眼眼高阈值的情况下，向所述待检测对象发出闭眼提示，以重新获取所述待检测对象的闭眼图像。

在一种可能的实现方式中，所述获取模块101，包括：识别子模块，用于对所述人脸图像进行人脸识别，得到所述待检测对象的人脸识别结果；调取子模块，用于在所述人脸识别结果指示信息库中已录入所述待检测对象的眼睛开合度的情况下，从所述信息库中调取所述待检测对象的眼睛开合度。

在一种可能的实现方式中，所述装置还包括：疲劳驾驶检测模块，用于在所述待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定所述待检测对象处于疲劳驾驶状态。

在本公开实施例中，通过利用预先标定的待检测对象自身的眼睛张开度与眼睛闭合度，来确定待检测对象当前在人脸图像中眼睛的状态，这样无论待检测对象的眼睛大小，由于利用的是待检测对象自身的眼睛开合度，可以更准确地得到待检测对象的眼睛的状态，降低眼睛状态的误判率。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图4示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。

参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图5示出根据本公开实施例的另一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows Server^TM)，苹果公司推出的基于图形用户界面操作系统(Mac OSX^TM)，多用户多进程的计算机操作系统(Unix^TM),自由和开放原代码的类Unix操作系统(Linux^TM)，开放原代码的类Unix操作系统(FreeBSD^TM)或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (17)

1.一种眼睛状态判定方法，其特征在于，包括：

获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，所述眼睛开合度包括眼睛张开度与眼睛闭合度，所述眼睛张开度表征所述待检测对象在睁眼状态下标定的眼睛张开程度，所述眼睛闭合度表征所述待检测对象在闭眼状态下标定的眼睛闭合程度；

对所述人脸图像进行关键点检测，得到所述人脸图像中眼睛的眼睛关键点；

根据所述眼睛关键点，确定所述待检测对象的眼睛的尺寸信息，所述眼睛的尺寸信息包括所述眼睛的长度与高度中的至少一种；

根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，所述眼睛的状态包括闭眼状态或睁眼状态。

2.根据权利要求1所述的方法，其特征在于，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长之间的第一比值，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长之间的第二比值；

其中，所述根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，包括：

将所述第一比值、所述第二比值以及所述眼睛的长度与高度，输入至眼睛状态判定网络，得到所述人脸图像中眼睛的状态。

3.根据权利要求1所述的方法，其特征在于，所述眼睛张开度包括所述待检测对象在睁眼状态下的睁眼眼高，所述眼睛闭合度包括所述待检测对象在闭眼状态下的闭眼眼高；

其中，所述根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，包括：

根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度；

根据所述状态置信度，确定所述人脸图像中眼睛的状态。

4.根据权利要求3所述的方法，其特征在于，所述根据所述睁眼眼高、所述闭眼眼高以及所述眼睛的高度，确定所述人脸图像中眼睛的状态置信度，包括：

计算所述眼睛的高度与所述闭眼眼高之间的第一差值，以及所述睁眼眼高与所述闭眼眼高之间的第二差值；

将所述第一差值与所述第二差值之间的比值，确定为所述状态置信度。

5.根据权利要求3所述的方法，其特征在于，所述根据所述状态置信度，确定所述人脸图像中眼睛的状态，包括：

在所述状态置信度小于预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为闭眼状态；或，

在所述状态置信度大于或等于所述预设置信度阈值的情况下，确定所述人脸图像中眼睛的状态为睁眼状态。

6.根据权利要求1所述方法，其特征在于，所述方法还包括：标定所述待检测对象的眼睛开合度；

其中，所述标定所述待检测对象的眼睛开合度，包括：

获取所述待检测对象在睁眼状态下的睁眼图像，以及所述待检测对象在闭眼状态下的闭眼图像；

对所述睁眼图像与所述闭眼图像分别进行关键点检测，得到所述睁眼图像中第一眼睛关键点，以及所述闭眼图像中第二眼睛关键点；

根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：

根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高与睁眼眼长；

将所述睁眼眼高与所述睁眼眼长之间的第一比值确定为所述眼睛张开度；

根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高与闭眼眼长；

将所述闭眼眼高与所述闭眼眼长之间的第二比值确定为所述眼睛闭合度。

8.根据权利要求6所述的方法，其特征在于，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：

根据所述第一眼睛关键点的像素坐标，确定所述待检测对象在睁眼状态下的睁眼眼高；

将所述睁眼眼高确定为所述眼睛张开度；

根据所述第二眼睛关键点的像素坐标，确定所述待检测对象在闭眼状态下的闭眼眼高；

将所述闭眼眼高确定为所述眼睛闭合度。

9.根据权利要求6-8任一项所述的方法，其特征在于，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：

在所述待检测对象的睁眼眼高大于预设睁眼眼高阈值的情况下，将所述睁眼眼高与所述待检测对象的睁眼眼长之间的第一比值确定为所述眼睛张开度；或，

在所述待检测对象的睁眼眼高大于所述预设睁眼眼高阈值的情况下，将所述睁眼眼高确定为所述眼睛张开度；

其中，所述睁眼眼高与所述睁眼眼长是根据所述第一眼睛关键点的像素坐标确定的。

10.根据权利要求9所述的方法，其特征在于，所述方法还包括：

在所述待检测对象的睁眼眼高小于或等于所述预设睁眼眼高阈值的情况下，向所述待检测对象发出睁眼提示，以重新获取所述待检测对象的睁眼图像。

11.根据权利要求6-8任一项所述的方法，其特征在于，所述根据所述第一眼睛关键点与所述第二眼睛关键点，确定所述眼睛开合度，包括：

在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高与所述待检测对象的闭眼眼长之间的第二比值确定为所述眼睛闭合度；或，

在所述待检测对象的闭眼眼高小于预设闭眼眼高阈值的情况下，将所述闭眼眼高确定为所述眼睛闭合度；

其中，所述闭眼眼高与所述闭眼眼长是根据所述第二眼睛关键点的像素坐标确定的。

12.根据权利要求11所述的方法，其特征在于，所述方法还包括：

在所述待检测对象的闭眼眼高大于或等于所述预设闭眼眼高阈值的情况下，向所述待检测对象发出闭眼提示，以重新获取所述待检测对象的闭眼图像。

13.根据权利要求1所述的方法，其特征在于，所述获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，包括：

对所述人脸图像进行人脸识别，得到所述待检测对象的人脸识别结果；

在所述人脸识别结果指示信息库中已录入所述待检测对象的眼睛开合度的情况下，从所述信息库中调取所述待检测对象的眼睛开合度。

14.根据权利要求1-13任一项所述的方法，其特征在于，所述方法还包括：

在所述待检测对象的连续多帧人脸图像中眼睛的状态均为闭眼状态的情况下，确定所述待检测对象处于疲劳驾驶状态。

15.一种眼睛状态判定装置，其特征在于，包括：

获取模块，用于获取待检测对象的人脸图像以及预先标定的所述待检测对象的眼睛开合度，所述眼睛开合度包括眼睛张开度与眼睛闭合度，所述眼睛张开度表征所述待检测对象在睁眼状态下标定的眼睛张开程度，所述眼睛闭合度表征所述待检测对象在闭眼状态下标定的眼睛闭合程度；

检测模块，用于对所述人脸图像进行关键点检测，得到所述人脸图像中眼睛的眼睛关键点；

尺寸确定模块，用于根据所述眼睛关键点，确定所述待检测对象的眼睛的尺寸信息，所述眼睛的尺寸信息包括所述眼睛的长度与高度中的至少一种；

状态确定模块，用于根据所述眼睛开合度以及所述尺寸信息，确定所述人脸图像中眼睛的状态，所述眼睛的状态包括闭眼状态或睁眼状态。

16.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至14中任意一项所述的方法。

17.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至14中任意一项所述的方法。

Images