CN117423094A - 一种驾驶员疲劳检测方法、装置、设备及存储介质 - Google Patents
一种驾驶员疲劳检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117423094A CN117423094A CN202311450559.XA CN202311450559A CN117423094A CN 117423094 A CN117423094 A CN 117423094A CN 202311450559 A CN202311450559 A CN 202311450559A CN 117423094 A CN117423094 A CN 117423094A
- Authority
- CN
- China
- Prior art keywords
- driver
- area
- region
- image
- fatigue
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 26
- 230000008569 process Effects 0.000 abstract description 13
- 210000003128 head Anatomy 0.000 description 60
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种驾驶员疲劳检测方法、装置、设备及存储介质。其中,方法包括:定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;若检测到驾驶员处于疲劳状态,则输出告警信息。本发明实施例可以在车辆驾驶过程中,自动根据驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域的面积,快速、准确地检测驾驶员是否处于疲劳状态。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种驾驶员疲劳检测方法、装置、设备及存储介质。
背景技术
车辆的驾驶员在车辆驾驶过程中需要长时间注意力高度集中,容易处于疲劳状态。驾驶员处于疲劳状态会严重影响驾驶安全,甚至引发严重安全事故。因此,在车辆驾驶过程中,需要检测驾驶员是否处于疲劳状态,并在检测到驾驶员处于疲劳状态时发出警示,提醒驾驶员注意。
相关技术中,常用的驾驶员疲劳检测方案为:在车辆驾驶过程中,基于驾驶员信息实时对驾驶员的动作进行识别,根据识别出的动作检测驾驶员是否处于疲劳状态。动作识别过程非常容易受到干扰,准确度无法保证,而且时间成本和计算成本较高,导致相关技术中的驾驶员疲劳检测方案无法快速、准确地检测出驾驶员是否处于疲劳状态。
发明内容
本发明提供了一种驾驶员疲劳检测方法、装置、设备及存储介质,以解决相关技术中的驾驶员疲劳检测方案无法快速、准确地检测出驾驶员是否处于疲劳状态的问题。
根据本发明的一方面,提供了一种驾驶员疲劳检测方法,包括:
定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;
对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;
根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;
若检测到驾驶员处于疲劳状态,则输出告警信息。
根据本发明的另一方面,提供了一种驾驶员疲劳检测装置,包括:
图像提取模块,用于定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;
图像分割模块,用于对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;
疲劳检测模块,用于根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;
疲劳告警模块,用于若检测到驾驶员处于疲劳状态,则输出告警信息。
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的驾驶员疲劳检测方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的驾驶员疲劳检测方法。
本发明实施例的技术方案,通过定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;若检测到驾驶员处于疲劳状态,则输出告警信息,解决了相关技术中的驾驶员疲劳检测方案无法快速、准确地检测出驾驶员是否处于疲劳状态的问题,可以在车辆驾驶过程中,自动根据驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域的面积,快速、准确地检测驾驶员是否处于疲劳状态,可以在检测出驾驶员处于疲劳状态之后,输出告警信息,以使驾驶员确定自己在驾驶过程中处于疲劳状态,及时调整自身状态或停止驾驶。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例一提供的一种驾驶员疲劳检测方法的流程图。
图2为本发明实施例二提供的一种驾驶员疲劳检测方法的流程图。
图3为本发明实施例三提供的一种驾驶员疲劳检测装置的结构示意图。
图4为实现本发明实施例的驾驶员疲劳检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”、“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包含”、“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种驾驶员疲劳检测方法的流程图。本实施例可适用于在车辆驾驶过程中,检测驾驶员是否处于疲劳状态的情况。该方法可以由驾驶员疲劳检测装置来执行。该驾驶员疲劳检测装置可以采用硬件和/或软件的形式实现。该驾驶员疲劳检测装置可配置于电子设备中。该电子设备是车辆上设置的用于在车辆驾驶过程中,检测驾驶员是否处于疲劳状态的电子设备。如图1所示,该方法包括:
步骤101、定时获取驾驶员图像,从所述驾驶员图像中提取头部图像。
可选的,驾驶员图像是包含有驾驶员的图像。车辆上设置有图像采集组件。图像采集组件是用于对车辆的驾驶员进行拍摄,得到驾驶员图像的组件。图像采集组件可以是设置于车辆内部的摄像头。图像采集组件可以按照预设频率,定时对车辆的驾驶员进行拍摄,得到驾驶员图像。电子设备与图像采集组件建立了通信连接,可以基于建立的通信连接与图像采集组件进行信息交互。电子设备可以从图像采集组件中获取图像采集组件得到的驾驶员图像。头部图像可以是从驾驶员图像中截取的包含驾驶员脸部和脖子的图像。
可选的,定时获取驾驶员图像,包括:按照预设时间间隔,定时从图像采集组件中获取驾驶员图像。预设时间间隔是电子设备中的一个预先设置的时间间隔。电子设备每隔预设时间间隔,执行一次从图像采集组件中获取驾驶员图像的操作。示例性的,预设时间间隔为1秒。从图像采集组件中获取驾驶员图像,包括:从车辆上设置的图像采集组件中获取图像采集组件最新得到的驾驶员图像。
可选的,从所述驾驶员图像中提取头部图像,包括:将所述驾驶员图像输入至预先训练的图像检测模型,得到所述图像检测模型输出的与所述驾驶员图像对应的头部图像。
可选的,电子设备中设置有预先训练的图像检测模型。预先训练的图像检测模型用于从驾驶员图像中提取头部图像。图像检测模型的输入是驾驶员图像,图像检测模型的输出是与驾驶员图像对应的头部图像。与驾驶员图像对应的头部图像是从驾驶员图像中截取的包含驾驶员脸部和脖子的图像。电子设备将驾驶员图像输入至预先训练的图像检测模型中,预先训练的图像检测模型对驾驶员图像进行分析,从驾驶员图像中截取包含驾驶员脸部和脖子的图像,得到与驾驶员图像对应的头部图像,然后输出与驾驶员图像对应的头部图像。
可选的,电子设备可以使用驾驶员图像样本集合对机器学习模型进行训练,得到图像检测模型。驾驶员图像样本集合包含设定数量的驾驶员图像。机器学习模型可以是神经网络模型。预先训练的图像检测模型还可以是技术人员设置于电子设备中的。
步骤102、对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
可选的,脸部区域是头部图像中的包含驾驶员脸部的图像区域。脖子区域是头部图像中的包含驾驶员脖子的图像区域。眼部区域是头部图像中的包含驾驶员眼部的图像区域。嘴部区域是头部图像中的包含驾驶员嘴部的图像区域。眼部区域和嘴部区域通常位于脸部区域中。
可选的,对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域,包括:将所述头部图像输入至预先训练的语义分割模型,得到所述语义分割模型输出的所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
可选的,电子设备中设置有预先训练的语义分割模型。预先训练的语义分割模型用于对头部图像进行语义分割,得到头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。语义分割模型的输入是驾驶员图像,语义分割模型的输出是头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。电子设备将头部图像输入至预先训练的语义分割模型中,预先训练的语义分割模型对头部图像进行分析,从头部图像中分割出头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域,然后输出头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
可选的,电子设备可以使用头部图像样本集合对机器学习模型进行训练,得到语义分割模型。头部图像样本集合包含设定数量的头部图像。机器学习模型可以是神经网络模型。预先训练的语义分割模型还可以是技术人员设置于电子设备中的。
步骤103、根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态。
可选的,根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态,包括:计算所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值;对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值;根据所述目标比值,检测驾驶员是否处于疲劳状态。
可选的,电子设备可以识别脸部区域的面积、脖子区域的面积、眼部区域的面积以及嘴部区域的面积,然后计算眼部区域的面积与脸部区域的面积之间的比值、嘴部区域的面积与脸部区域的面积之间的比值以及脖子区域的面积与脸部区域的面积之间的比值。
可选的,对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值,包括:使用下述加权求和公式,对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值:
S=a*A+b*B+c*C,
其中,S为目标比值,A为所述眼部区域的面积与所述脸部区域的面积之间的比值,B为所述嘴部区域的面积与所述脸部区域的面积之间的比值,C为所述脖子区域的面积与所述脸部区域的面积之间的比值,a、b以及c是预设的加权求和系数。a和c是正数,b是负数。示例性的,a为3,b为-2,c为1。
可选的,在一个具体实例中,使用下述加权求和公式,对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值:
S=3*A-2*B+C,
其中,S为目标比值,A为所述眼部区域的面积与所述脸部区域的面积之间的比值,B为所述嘴部区域的面积与所述脸部区域的面积之间的比值,C为所述脖子区域的面积与所述脸部区域的面积之间的比值。
可选的,驾驶员处于疲劳状态是指驾驶员在驾驶过程中处于疲劳状态,生理机能和心理机能失调,不适宜驾驶车辆。通常情况下,眼部区域的面积与脸部区域的面积之间的比值越大,驾驶员处于疲劳状态的概率越低,相应的目标比值越大。眼部区域的面积与脸部区域的面积之间的比值越小,驾驶员处于疲劳状态的概率越高,相应的目标比值越小。嘴部区域的面积与脸部区域的面积之间的比值越小,驾驶员处于疲劳状态的概率越低,相应的目标比值越大。嘴部区域的面积与脸部区域的面积之间的比值越大,驾驶员处于疲劳状态的概率越高,相应的目标比值越小。脖子区域的面积与脸部区域的面积之间的比值越大,驾驶员处于疲劳状态的概率越低,相应的目标比值越大。脖子区域的面积与脸部区域的面积之间的比值越小,驾驶员处于疲劳状态的概率越高,相应的目标比值越小。因此,目标比值越大,表明驾驶员处于疲劳状态的概率越低。目标比值越小,表明驾驶员处于疲劳状态的概率越高。
可选的,根据所述目标比值,检测驾驶员是否处于疲劳状态,包括:检测所述目标比值是否小于预设比值阈值;若检测到所述目标比值小于所述预设比值阈值,则确定驾驶员处于疲劳状态;若检测到所述目标比值大于等于所述预设比值阈值,则确定驾驶员没有处于疲劳状态。
可选的,预设比值阈值是一个预先设置的数值。若目标比值小于预设比值阈值,表明目标比值较小,驾驶员处于疲劳状态的概率较高,可以确定驾驶员处于疲劳状态。若目标比值大于等于预设比值阈值,表明目标比值较大,驾驶员处于疲劳状态的概率较低,可以确定驾驶员没有处于疲劳状态。示例性的,预设比值阈值为0.2。因此,电子设备检测所述目标比值是否小于预设比值阈值。若检测到所述目标比值小于所述预设比值阈值,则确定驾驶员处于疲劳状态。若检测到所述目标比值大于等于所述预设比值阈值,则确定驾驶员没有处于疲劳状态。
步骤104、若检测到驾驶员处于疲劳状态,则输出告警信息。
可选的,输出告警信息,包括:获取与所述驾驶员对应的疲劳提示语音,控制所述驾驶员的车辆座椅中的语音播放装置播放所述疲劳提示语音。
可选的,与所述驾驶员对应的疲劳提示语音是用于提示驾驶员处于疲劳状态,不适宜驾驶车辆,及时调整自身状态或停止驾驶的语音。电子设备可以从本地数据库中获取与所述驾驶员对应的疲劳提示语音。
可选的,驾驶员的车辆座椅中的语音播放装置是驾驶员的车辆座椅中设置的用于播放语音的装置。语音播放装置在接收到电子设备发送的语音之后,会对电子设备发送的语音进行播放,从而驾驶员可以听到电子设备发送的语音。
可选的,控制所述驾驶员的车辆座椅中的语音播放装置播放所述疲劳提示语音,包括:将与所述驾驶员对应的疲劳提示语音发送至所述驾驶员的车辆座椅中的语音播放装置。语音播放装置在接收到与所述驾驶员对应的疲劳提示语音之后,对所述疲劳提示语音进行播放,以使驾驶员可以听到与所述驾驶员对应的疲劳提示语音,确定自己处于疲劳状态,不适宜驾驶车辆,及时调整自身状态或停止驾驶。
可选的,在根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态之后,还包括;若检测到驾驶员没有处于疲劳状态,则继续定时获取驾驶员图像,从所述驾驶员图像中提取头部图像。
本发明实施例的技术方案,通过定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;若检测到驾驶员处于疲劳状态,则输出告警信息,解决了相关技术中的驾驶员疲劳检测方案无法快速、准确地检测出驾驶员是否处于疲劳状态的问题,可以在车辆驾驶过程中,自动根据驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域的面积,快速、准确地检测驾驶员是否处于疲劳状态,可以在检测出驾驶员处于疲劳状态之后,输出告警信息,以使驾驶员确定自己在驾驶过程中处于疲劳状态,及时调整自身状态或停止驾驶。
实施例二
图2为本发明实施例二提供的一种驾驶员疲劳检测方法的流程图。本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示,该方法包括:
步骤201、定时获取驾驶员图像,将所述驾驶员图像输入至预先训练的图像检测模型,得到所述图像检测模型输出的与所述驾驶员图像对应的头部图像。
步骤202、将所述头部图像输入至预先训练的语义分割模型,得到所述语义分割模型输出的所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
步骤203、计算所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值。
步骤204、对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值。
步骤205、检测所述目标比值是否小于预设比值阈值。
步骤206、若检测到所述目标比值小于所述预设比值阈值,则确定驾驶员处于疲劳状态,输出告警信息。
本发明实施例的技术方案,可以自动在车辆驾驶过程中,基于图像检测模型和语义分割模型,获取驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域,可以自动根据眼部区域的面积与脸部区域的面积之间的比值、嘴部区域的面积与脸部区域的面积之间的比值以及脖子区域的面积与脸部区域的面积之间的比值的加权求和结果,检测驾驶员是否处于疲劳状态,从而自动根据驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域的面积,快速、准确地检测驾驶员是否处于疲劳状态,可以在检测出驾驶员处于疲劳状态之后,输出告警信息,以使驾驶员确定自己在驾驶过程中处于疲劳状态,及时调整自身状态或停止驾驶。
实施例三
图3为本发明实施例三提供的一种驾驶员疲劳检测装置的结构示意图。所述装置可以配置于电子设备中。如图3所示,所述装置包括:图像提取模块301、图像分割模块302、疲劳检测模块303以及疲劳告警模块304。
其中,图像提取模块301,用于定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;图像分割模块302,用于对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;疲劳检测模块303,用于根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;疲劳告警模块304,用于若检测到驾驶员处于疲劳状态,则输出告警信息。
本发明实施例的技术方案,通过定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;若检测到驾驶员处于疲劳状态,则输出告警信息,解决了相关技术中的驾驶员疲劳检测方案无法快速、准确地检测出驾驶员是否处于疲劳状态的问题,可以在车辆驾驶过程中,自动根据驾驶员的头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域的面积,快速、准确地检测驾驶员是否处于疲劳状态,可以在检测出驾驶员处于疲劳状态之后,输出告警信息,以使驾驶员确定自己在驾驶过程中处于疲劳状态,及时调整自身状态或停止驾驶。
在本发明实施例的一个可选实施方式中,可选的,图像提取模块301在执行定时获取驾驶员图像的操作时,具体用于:按照预设时间间隔,定时从图像采集组件中获取驾驶员图像。
在本发明实施例的一个可选实施方式中,可选的,图像提取模块301在执行从所述驾驶员图像中提取头部图像的操作时,具体用于:将所述驾驶员图像输入至预先训练的图像检测模型,得到所述图像检测模型输出的与所述驾驶员图像对应的头部图像。
在本发明实施例的一个可选实施方式中,可选的,图像分割模块302具体用于:将所述头部图像输入至预先训练的语义分割模型,得到所述语义分割模型输出的所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
在本发明实施例的一个可选实施方式中,可选的,疲劳检测模块303具体用于:计算所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值;对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值;根据所述目标比值,检测驾驶员是否处于疲劳状态。
在本发明实施例的一个可选实施方式中,可选的,疲劳检测模块303在执行根据所述目标比值,检测驾驶员是否处于疲劳状态的操作时,具体用于:检测所述目标比值是否小于预设比值阈值;若检测到所述目标比值小于所述预设比值阈值,则确定驾驶员处于疲劳状态;若检测到所述目标比值大于等于所述预设比值阈值,则确定驾驶员没有处于疲劳状态。
在本发明实施例的一个可选实施方式中,可选的,疲劳告警模块304在执行输出告警信息的操作时,具体用于:获取与所述驾驶员对应的疲劳提示语音,控制所述驾驶员的车辆座椅中的语音播放装置播放所述疲劳提示语音。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
上述驾驶员疲劳检测装置可执行本发明任意实施例所提供的驾驶员疲劳检测方法,具备执行驾驶员疲劳检测方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实现本发明实施例的驾驶员疲劳检测方法的电子设备10的结构示意图。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18构建到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如驾驶员疲劳检测方法。
在一些实施例中,驾驶员疲劳检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序构建到RAM 13并由处理器11执行时,可以执行上文描述的驾驶员疲劳检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行驾驶员疲劳检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的驾驶员疲劳检测方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程驾驶员疲劳检测装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种驾驶员疲劳检测方法,其特征在于,包括:
定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;
对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;
根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;
若检测到驾驶员处于疲劳状态,则输出告警信息。
2.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,定时获取驾驶员图像,包括:
按照预设时间间隔,定时从图像采集组件中获取驾驶员图像。
3.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,从所述驾驶员图像中提取头部图像,包括:
将所述驾驶员图像输入至预先训练的图像检测模型,得到所述图像检测模型输出的与所述驾驶员图像对应的头部图像。
4.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域,包括:
将所述头部图像输入至预先训练的语义分割模型,得到所述语义分割模型输出的所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域。
5.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态,包括:
计算所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值;
对所述眼部区域的面积与所述脸部区域的面积之间的比值、所述嘴部区域的面积与所述脸部区域的面积之间的比值以及所述脖子区域的面积与所述脸部区域的面积之间的比值进行加权求和,得到目标比值;
根据所述目标比值,检测驾驶员是否处于疲劳状态。
6.根据权利要求5所述的驾驶员疲劳检测方法,其特征在于,根据所述目标比值,检测驾驶员是否处于疲劳状态,包括:
检测所述目标比值是否小于预设比值阈值;
若检测到所述目标比值小于所述预设比值阈值,则确定驾驶员处于疲劳状态;
若检测到所述目标比值大于等于所述预设比值阈值,则确定驾驶员没有处于疲劳状态。
7.根据权利要求1所述的驾驶员疲劳检测方法,其特征在于,输出告警信息,包括:
获取与所述驾驶员对应的疲劳提示语音,控制所述驾驶员的车辆座椅中的语音播放装置播放所述疲劳提示语音。
8.一种驾驶员疲劳检测装置,其特征在于,包括:
图像提取模块,用于定时获取驾驶员图像,从所述驾驶员图像中提取头部图像;
图像分割模块,用于对所述头部图像进行语义分割,得到所述头部图像中的脸部区域、脖子区域、眼部区域以及嘴部区域;
疲劳检测模块,用于根据所述脸部区域、所述脖子区域、所述眼部区域以及所述嘴部区域的面积,检测驾驶员是否处于疲劳状态;
疲劳告警模块,用于若检测到驾驶员处于疲劳状态,则输出告警信息。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;
以及与所述至少一个处理器网络通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的驾驶员疲劳检测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的驾驶员疲劳检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450559.XA CN117423094A (zh) | 2023-11-02 | 2023-11-02 | 一种驾驶员疲劳检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311450559.XA CN117423094A (zh) | 2023-11-02 | 2023-11-02 | 一种驾驶员疲劳检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117423094A true CN117423094A (zh) | 2024-01-19 |
Family
ID=89526247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311450559.XA Pending CN117423094A (zh) | 2023-11-02 | 2023-11-02 | 一种驾驶员疲劳检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117423094A (zh) |
-
2023
- 2023-11-02 CN CN202311450559.XA patent/CN117423094A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
EP4145844A1 (en) | Method and apparatus for detecting jitter in video, electronic device, and storage medium | |
CN112785625A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113642431A (zh) | 目标检测模型的训练方法及装置、电子设备和存储介质 | |
CN113643260A (zh) | 用于检测图像质量的方法、装置、设备、介质和产品 | |
CN117423094A (zh) | 一种驾驶员疲劳检测方法、装置、设备及存储介质 | |
CN110163032B (zh) | 一种人脸检测方法及装置 | |
CN115718830A (zh) | 训练信息抽取模型的方法、信息抽取方法及对应装置 | |
CN115761839A (zh) | 人脸活体检测模型的训练方法、人脸活体检测方法及装置 | |
CN113705370B (zh) | 直播间违规行为的检测方法及装置、电子设备和存储介质 | |
CN115393488A (zh) | 虚拟人物表情的驱动方法、装置、电子设备和存储介质 | |
CN113051926B (zh) | 文本抽取方法、设备和存储介质 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN112507957A (zh) | 一种车辆关联方法、装置、路侧设备及云控平台 | |
CN117456457A (zh) | 一种垂钓行为检测方法、装置、设备及存储介质 | |
CN117649933B (zh) | 在线问诊辅助方法、装置、电子设备和存储介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN114445711B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN115131562B (zh) | 三维场景分割方法、模型训练方法、装置和电子设备 | |
TW202223595A (zh) | 脈衝式手勢辨識方法與系統 | |
CN118038552A (zh) | 一种蒙头行为检测方法、装置、电子设备及可读存储介质 | |
CN117115714A (zh) | 电网基建安全管理方法、装置、电子设备及存储介质 | |
CN116206614A (zh) | 一种对话检测方法及装置 | |
CN114299595A (zh) | 人脸识别方法、装置、设备、存储介质和程序产品 | |
CN116824456A (zh) | 一种基于视频流的异常行为检测方法、装置、设备及介质 |
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 |