CN104068868A - 一种基于机器视觉的驾驶人疲劳监测方法及装置 - Google Patents
一种基于机器视觉的驾驶人疲劳监测方法及装置 Download PDFInfo
- Publication number
- CN104068868A CN104068868A CN201410309500.3A CN201410309500A CN104068868A CN 104068868 A CN104068868 A CN 104068868A CN 201410309500 A CN201410309500 A CN 201410309500A CN 104068868 A CN104068868 A CN 104068868A
- Authority
- CN
- China
- Prior art keywords
- driver
- video image
- heart rate
- fatigue
- frequency
- 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
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于机器视觉的驾驶人疲劳监测方法及装置,方法包括:通过眼部视频图像、唇部视频图像和面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征:将上述参数进行融合判断,得出驾驶人是否进入疲劳状态的检测结果。装置包括:摄像头、编码器、显示器、嵌入式***和报警器,嵌入式***用于提取驾驶人视觉行为特征和生理参数特征,对这些特征信息进行融合处理和判断报警;当驾驶人疲劳程度超过阈值时,输出报警信号至报警器,输出控制信号至汽车发动机电控***。本发明既保留了摄像头对驾驶人进行非接触式监测的优点,又具有生理参数特征监测疲劳的可靠性高的优点;大幅度提高了驾驶人疲劳判断的准确性和可靠性。
Description
技术领域
本发明涉及机器视觉领域,尤其涉及一种基于机器视觉的驾驶人疲劳监测方法及装置。
背景技术
驾驶疲劳是导致交通事故的最主要原因,每年全世界因此而导致的人员伤亡和财产损失难以估计,国内外投入巨大的人力和财力研究对疲劳驾驶的监测。目前对驾驶人进行疲劳检测的方法可以分成两大类:1)从驾驶人自身特征出发,通过某种设备获取驾驶人的生理参数特征或者视觉行为特征,利用驾驶人在正常状态和疲劳状态的特征模式不同,采用相应的模式识别技术分类进行判别,从而检测到是否有疲劳产生;2)根据车辆的行为表现间接判断驾驶人是否产生疲劳。在第1类技术中,通过传感器获取车辆在行驶过程中的各种参数,根据车辆行驶过程中的异常情况,如车辆是否超过道路标志线、速度是否超速、车辆之间的距离是否太近等,判断驾驶人是否有疲劳产生。第2类技术的主要问题在于对于不同车型、不同光线、不同的道路及路面状况下,要达到比较好的效果具有很大难度。
利用驾驶人的生理参数特征进行疲劳判断的技术有:汤一平提出的中国发明专利(公开号:CN101032405)《基于全方位计算机视觉的安全驾驶辅助装置》、唐琎提出的中国发明专利(公开号:CN101090482)《一种基于图象处理和信息融合技术的驾驶人疲劳监测***及方法》;这类方法的不足是该类方法受个体差异情况变化大,会受光线影响等。
利用驾驶人的视觉行为特征,如眼动次数、打哈欠和注视时间等等,这类技术如祁宇明等提出的中国发明专利(公开号:CN102406507A)《基于人体生理信号的汽车驾驶人疲劳监测方法》、王宏提出的中国发明专利(公开号:CN103505224A)《基于生理信息分析的疲劳驾驶远程监测与报警***和方法》、张灵聪提出的中国发明专利(公开号:CN102848918A)《基于生理信号采集的疲劳驾驶检测控制***及其控制方法》等,这类方法的准确性与生理参数检测仪器有较大关系,同时一般都为接触式的检查方法,给驾驶人带来不便。
发明内容
本发明提供了一种基于机器视觉的驾驶人疲劳监测方法及装置,本发明通过多项视觉行为特征和生理参数特征的信息融合判断驾驶人的疲劳程度,大幅度提高了驾驶人疲劳判断的准确性和可靠性,保障了驾驶人的行车安全,大幅度提高了对驾驶人疲劳检测的可靠性,详见下文描述:
一种基于机器视觉的驾驶人疲劳监测方法,所述方法包括以下步骤:
通过摄像头获取驾驶人脸部的视频图像;对所述视频图像进行清洗,获取清洗后的视频图像;
对所述清洗后的视频图像通过三庭五眼准则进行分割,获取眼部视频图像、唇部视频图像和面颊部视频图像;
通过所述眼部视频图像、所述唇部视频图像和所述面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征:
将上述参数进行融合判断,得出驾驶人是否进入疲劳状态的检测结果。
所述通过眼部视频图像、唇部视频图像和面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征的步骤具体为:
1)通过眼部视频图像检测驾驶员眼晴闭合时间、凝视时间、打哈欠的频度、头部摇晃的规律,获取驾驶人的疲劳程度;
2)通过眼部视频图像测试驾驶人的头部位置及其维持的时间并间接体现出人的视觉疲劳程度;
3)通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值。
当摄像头为彩色摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异与呼吸变异值的步骤具体为:
(a)分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)将数据保存成3个通道,每个通道N个数据;
(c)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
(d)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过单一通道的驾驶人的心率和呼吸次数计算驾驶人的心率变异值,进而通过对多个通道的计算获取心率变异值和呼吸变异值。
当摄像头为红外摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤具体为:
(a)通过对面颊部视频图像中脸颊部区域的IR通道的像素点求平均值;通道内有N个数据;
(b)对通道内数据依次进行归一化、白化处理以及独立成分分析;
(c)对独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过单一通道的驾驶人的心率和呼吸次数计算驾驶人的心率变异值和呼吸变异值。
当摄像头为彩色摄像头和红外摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤具体为:
(a)对彩色摄像头获取到的面颊部视频图像,分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)对红外摄像头获取到的面颊部视频图像中的脸颊部区域的IR通道的像素点求平均值;
(c)对四个通道内数据依次进行归一化、白化处理以及独立成分分析;
(d)将数据保存成4个通道,每个通道N个数据;
(e)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
(f)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即被测试者的心率,另得到功率谱次最大幅值所对应的频率,即被测试者的呼吸次数;
(g)通过单一通道的被测试者的心率和呼吸次数计算被测试者的心率变异值和呼吸变异值。
一种基于机器视觉的驾驶人疲劳监测装置,包括:设置在驾驶人正前上方的摄像头、编码器、显示器、嵌入式***和报警器,
所述摄像头用于实时摄录驾驶人头脸部的影像并输入到所述编码器;
所述编码器用于将影像信息编码成数字图像信号送入所述嵌入式***;
所述嵌入式***用于提取驾驶人视觉行为特征和生理参数特征,对这些特征信息进行融合处理和判断报警;当驾驶人疲劳程度超过阈值时,输出报警信号至所述报警器,同时输出控制信号至汽车发动机电控***;
所述报警器用于发出报警声响;
所述显示器用于显示驾驶人的生理参数、疲劳程度和汽车发动机电控***的运行状态。
进一步地,所述摄像头为:彩色摄像头和/或红外摄像头。
为了获取到较高精度的视频图像,所述彩色摄像头为:ANC酷睿HD1080P,所述红外摄像头为三星SCO-2080RP。
进一步地,为了提高处理速度,所述嵌入式***为:i.MX6处理器、OMAP处理器和TigerSHARC处理器中的一种。
本发明提供的技术方案的有益效果是:本发明基于图像处理提取眼动等驾驶人的头脸部视觉特征和脉率等驾驶人的生理参数特征,对这些特征信息进行融合处理以实现驾驶人疲劳监测的方法及装置,本发明采用视频摄像头既监测驾驶人的视觉行为特征,又监测驾驶人的生理参数特征;既保留了摄像头对驾驶人进行非接触式监测的优点,又具有生理参数特征监测疲劳的可靠性高的优点;通过多项视觉行为特征和生理参数特征的信息融合判断驾驶人的疲劳程度,大幅度提高了驾驶人疲劳判断的准确性和可靠性。
附图说明
图1为本发明提供的一种基于机器视觉的驾驶人疲劳监测方法的流程图;
图2为本发明提供的彩色摄像头时基于图像处理提取脉率和呼吸等驾驶人的生理参数特征的流程图;
图3为本发明提供的一种基于机器视觉的驾驶人疲劳监测装置的结构图。
附图中,各标号所代表的部件列表如下:
1:摄像头; 2:编码器;
3:显示器; 4:嵌入式***;
5:报警器; 6:汽车发动机电控***;
其中,摄像头1在三个实施例中分别为彩色摄像头、红外摄像头、以及红外摄像头与彩色摄像头的组合。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
一种基于机器视觉的驾驶人疲劳监测方法,参见图1和图2,该方法包括以下步骤:
101:通过摄像头获取驾驶人脸部的视频图像;
其中,为了提高获取到的视频图像的精度,该步骤中所用的摄像头优选采用ANC酷睿HD1080P,具体实现时,还可以根据实际应用中的需要进行选择,本发明实施例对此不作限制。102:对视频图像进行清洗,获取清洗后的视频图像;
其中,该清洗方法根据采集到的视频图像的不同,可以用图像剪裁筛选、图像灰度化和直方图均衡、图像归一化、视频帧间匹配、图像白化处理、去除奇异图像来优化数据集等处理方法。例如:可以通过直方图均衡和提取图像特征点并归一化等预处理步骤可以去除环境光强变化的影响。该步骤的详细操作为本领域技术人员所公知,本发明实施例对此不做赘述。
103:对清洗后的视频图像进行分割,获取眼部视频图像、唇部视频图像和面颊部视频图像;
其中,对清洗后的视频图像进行分割的方法为:根据检测到的人脸部的视频图像,按照人脸结构的“三庭五眼”准则对人脸的区域进行划分,以此分割出眼部视频图像、唇部视频图像和面颊部的视频图像。“三庭五眼”准则为本领域技术人员所公知,本发明实施例对此不做赘述。
104:通过眼部视频图像、唇部视频图像和面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征:
1)通过眼部视频图像检测驾驶员眼晴闭合时间、凝视时间、打哈欠的频度、头部摇晃的规律,这些人体的行为特征所检测出来的数值可以间接体现出人的疲劳程度。
例如:如果眼睛闭合时间过长可以判定为疲劳,具体的时间设定根据实际应用中的需要进行设定,可以为5s等。
2)通过眼部视频图像测试驾驶人的头部位置及其维持的时间并间接体现出人的视觉疲劳程度;
例如:如果人的头部位置变换频率过高,根据一些经验和数据标准推断,在某种程度上可以判定为人在打瞌睡。
3)通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值(示于图2中)。
该步骤3)具体为:
(a)分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)将数据保存成3个通道,每个通道N个数据;
(c)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
其中,通过白化处理来消除三个通道之间的相关性,防止了通道间的干扰。步骤(c)的处理中采用的归一化、白化处理以及独立成分分析,为本领域技术人员所公知的几种技术,本发明实施例对此不做赘述。
(d)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过单一通道的驾驶人的心率和呼吸次数计算驾驶人的心率变异值,进而通过对多个通道的计算获取心率变异值;
其中,该步骤采用了本领域中的Lomb periodogram原理,具体实现时本发明实施例对此不作赘述。
另,当摄像头为彩色摄像头时,通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤可以采用(a)-(e)中的操作,但当摄像头为红外摄像头时,获取到的视频图像只为单一IR通道,故通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤也发生了相应的变化,具体为:
(a)通过对面颊部视频图像中脸颊部区域的IR通道的像素点求平均值;通道内有N个数据;
(b)对通道内数据依次进行归一化、白化处理以及独立成分分析;
其中,步骤(b)的处理中采用的归一化、白化处理以及独立成分分析,为本领域技术人员所公知的几种技术,本发明实施例对此不做赘述。
(c)对独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过单一通道的驾驶人的心率和呼吸次数计算驾驶人的心率变异值和呼吸变异值。
另,当摄像头为彩色摄像头和红外摄像头时,获取到的视频图像只为四通道(1个IR通道,1个R通道,1个G通道,以及1个B通道),故通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤也发生了相应的变化,具体为:(a)对彩色摄像头获取到的面颊部视频图像,分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)对红外摄像头获取到的面颊部视频图像中的脸颊部区域的IR通道的像素点求平均值;
(c)对四个通道(1个IR通道,1个R通道,1个G通道以及1个B通道)内数据依次进行归一化、白化处理以及独立成分分析;
(d)将数据保存成4个通道,每个通道N个数据;
(e)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
其中,通过白化处理来消除四个通道之间的相关性,防止了通道间的干扰。步骤(e)的处理中采用的归一化、白化处理以及独立成分分析,为本领域技术人员所公知的几种技术,本发明实施例对此不做赘述。
(f)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即被测试者的心率,另得到功率谱次最大幅值所对应的频率,即被测试者的呼吸次数;
(g)通过单一通道的被测试者的心率和呼吸次数计算被测试者的心率变异值,进而通过对多个通道的计算获取心率变异值;
其中,该步骤采用了本领域中的Lomb periodogram原理,具体实现时本发明实施例对此不作赘述。
105:将上述参数进行融合判断,得出驾驶人是否进入疲劳状态的检测结果。
其中,该步骤中所述的融合判断可以为:
1)通过表征驾驶人疲劳程度的视觉行为特征可以直接得出驾驶人是否进入疲劳状态的检测结果;或,
例如:眼晴闭合时长是否超过阈值,当闭眼时间超过规定阈值时,则默认为驾驶人进入疲劳状态。
2)通过心率变异值可以直接得出驾驶人是否进入疲劳状态的检测结果;或,
3)通过表征驾驶人疲劳程度的视觉行为特征和心率变异值的加权和来得出驾驶人是否进入疲劳状态的检测结果。
即将表征驾驶人疲劳程度的视觉行为特征和心率变异值的加权与预设的阈值进行比较,若大于阈值,则直接判断得出驾驶人进入疲劳状态的检测结果。其中,权重系数和阈值根据实际应用中的需要进行设定,本发明实施例对此不做限制。
实施例1:
一种基于机器视觉的驾驶人疲劳监测装置,参见图3,该监测装置包括:彩色摄像头1、编码器2、显示器3、嵌入式***4、和报警器5,
处于驾驶人正前上方的彩色摄像头1实时摄录驾驶人头脸部的影像并输入到编码器2,编码器2将彩色摄像头1的影像信息编码成数字图像信号送入嵌入式***4,在嵌入式***4中提取眼动等驾驶人的头脸部视觉行为特征和脉率等驾驶人的生理参数特征,对这些特征信息进行融合处理和判断报警;当驾驶人疲劳程度超过阈值时报警器5发出报警声响,嵌入式***4同时输出控制信号给外部汽车发动机电控***6,以对汽车发动机产生相应的动作;显示器3上显示驾驶人的生理参数、疲劳程度和***的运行状态。
其中,该彩色摄像头1采用ANC酷睿HD1080P,嵌入式***采用TI公司生产的OMAP,显示器3可以为LCD显示器等。
实施例2:
一种基于机器视觉的驾驶人疲劳监测装置,参见图3,该监测装置包括:红外摄像头1、编码器2、显示器3、嵌入式***4、和报警器5,
处于驾驶人正前上方的红外摄像头1实时摄录驾驶人头脸部的影像并输入到编码器2,编码器2将红外摄像头1的影像信息编码成数字图像信号送入嵌入式***4,在嵌入式***4中提取眼动等驾驶人的头脸部视觉行为特征和脉率等驾驶人的生理参数特征,对这些特征信息进行融合处理和判断报警;当驾驶人疲劳程度超过阈值时报警器5发出报警声响,嵌入式***4同时输出控制信号给外部汽车发动机电控***6,以对汽车发动机产生相应的动作;显示器3上显示驾驶人的生理参数、疲劳程度和***的运行状态。
其中,该红外摄像头1采用三星SCO-2080RP;嵌入式***采用TI公司生产的OMAP,显示器3可以为LCD显示器等。
实施例3:
一种基于机器视觉的驾驶人疲劳监测装置,参见图3,该监测装置包括:红外摄像头和彩色摄像头1、编码器2、显示器3、嵌入式***4、5报警器,
处于驾驶人正前上方并列排布的彩色摄像头和红外摄像头1实时摄录驾驶人头脸部的影像并输入到编码器2,编码器2将彩色摄像头和红外摄像头1的影像信息编码成数字图像信号送入嵌入式***4,在嵌入式***4中提取眼动等驾驶人的头脸部视觉行为特征和脉率等驾驶人的生理参数特征,对这些特征信息进行融合处理和判断报警。当驾驶人疲劳程度超过阈值时报警器5发出报警声响,嵌入式***4同时输出控制信号给外部汽车发动机电控***6,以对汽车发动机产生相应的动作;显示器3上显示驾驶人的生理参数、疲劳程度和***的运行状态。
其中,该彩色摄像头采用ANC酷睿HD1080P,红外摄像头采用三星SCO-2080RP;嵌入式***采用ADI公司生产的TigerSHARC,显示器3可以为LCD显示器等。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于机器视觉的驾驶人疲劳监测方法,其特征在于,所述方法包括以下步骤:
通过摄像头获取驾驶人脸部的视频图像;对所述视频图像进行清洗,获取清洗后的视频图像;
对所述清洗后的视频图像通过三庭五眼准则进行分割,获取眼部视频图像、唇部视频图像和面颊部视频图像;
通过所述眼部视频图像、所述唇部视频图像和所述面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征:
将上述参数进行融合判断,得出驾驶人是否进入疲劳状态的检测结果。
2.根据权利要求1所述的一种基于机器视觉的驾驶人疲劳监测方法,其特征在于,所述通过眼部视频图像、唇部视频图像和面颊部视频图像,分别检测表征驾驶人疲劳程度的视觉行为特征和生理参数特征的步骤具体为:
1)通过眼部视频图像检测驾驶员眼晴闭合时间、凝视时间、打哈欠的频度、头部摇晃的规律,获取驾驶人的疲劳程度;
2)通过眼部视频图像测试驾驶人的头部位置及其维持的时间并间接体现出人的视觉疲劳程度;
3)通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值。
3.根据权利要求2所述的一种基于机器视觉的驾驶人疲劳监测方法,其特征在于,当摄像头为彩色摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤具体为:
(a)分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)将数据保存成3个通道,每个通道N个数据;
(c)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
(d)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过单一通道的驾驶人的心率和呼吸次数计算驾驶人的心率变异值和呼吸变异值。
4.根据权利要求2所述的一种基于机器视觉的驾驶人疲劳监测方法,其特征在于,当摄像头为红外摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤具体为:
(a)通过对面颊部视频图像中脸颊部区域的像素点求平均值;共有N个数据;
(b)对数据进行归一化、白化处理以及独立成分分析;
(c)对独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即驾驶人的心率,另得到功率谱次最大幅值所对应的频率,即驾驶人的呼吸次数;
(e)通过驾驶人的心率和呼吸次数计算驾驶人的心率变异值和呼吸变异值。
5.根据权利要求2所述的一种基于机器视觉的驾驶人疲劳监测方法,其特征在于,当摄像头为彩色摄像头和红外摄像头时,所述通过对面颊部视频图像分析得到驾驶人的心率、呼吸次数及其心率变异值的步骤具体为:
(a)对彩色摄像头获取到的面颊部视频图像,分离脸颊部区域的RGB通道,对每个通道的像素点求平均值;
(b)对红外摄像头获取到的面颊部视频图像中的脸颊部区域的IR通道的像素点求平均值;
(c)对四个通道内数据依次进行归一化、白化处理以及独立成分分析;
(d)将数据保存成4个通道,每个通道N个数据;
(e)对每个通道数据依次进行归一化、白化处理以及独立成分分析;
(f)对每个通道独立成分分析后的数据进行傅立叶变化,求出功率谱,得到功率谱最大幅值所对应的频率,即被测试者的心率,另得到功率谱次最大幅值所对应的频率,即被测试者的呼吸次数;
(g)通过单一通道的被测试者的心率和呼吸次数计算驾驶人的心率变异值和呼吸变异值。
6.一种基于机器视觉的驾驶人疲劳监测装置,包括:设置在驾驶人正前上方的摄像头、编码器、显示器、嵌入式***和报警器,其特征在于,
所述摄像头用于实时摄录驾驶人头脸部的影像并输入到所述编码器;
所述编码器用于将影像信息编码成数字图像信号送入所述嵌入式***;
所述嵌入式***用于提取驾驶人视觉行为特征和生理参数特征,对这些特征信息进行融合处理和判断报警;当驾驶人疲劳程度超过阈值时,输出报警信号至所述报警器,同时输出控制信号至汽车发动机电控***;
所述报警器用于发出报警声响;
所述显示器用于显示驾驶人的生理参数、疲劳程度和汽车发动机电控***的运行状态。
7.根据权利要求6所述的一种基于机器视觉的驾驶人疲劳监测装置,其特征在于,所述摄像头为:
彩色摄像头和/或红外摄像头。
8.根据权利要求7所述的一种基于机器视觉的驾驶人疲劳监测装置,其特征在于,
所述彩色摄像头为:ANC酷睿HD1080P,
所述红外摄像头为三星SCO-2080RP。
9.根据权利要求6所述的一种基于机器视觉的驾驶人疲劳监测装置,其特征在于,所述嵌入式***为:
i.MX6处理器、OMAP处理器和TigerSHARC处理器中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309500.3A CN104068868A (zh) | 2014-06-30 | 2014-06-30 | 一种基于机器视觉的驾驶人疲劳监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410309500.3A CN104068868A (zh) | 2014-06-30 | 2014-06-30 | 一种基于机器视觉的驾驶人疲劳监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104068868A true CN104068868A (zh) | 2014-10-01 |
Family
ID=51590768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410309500.3A Pending CN104068868A (zh) | 2014-06-30 | 2014-06-30 | 一种基于机器视觉的驾驶人疲劳监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104068868A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN105996993A (zh) * | 2016-04-29 | 2016-10-12 | 南京理工大学 | 一种智能视频生命体征监测***及方法 |
CN106548132A (zh) * | 2016-10-16 | 2017-03-29 | 北海益生源农贸有限责任公司 | 融合眼睛状态和心率检测的疲劳驾驶检测方法 |
CN106778618A (zh) * | 2016-12-16 | 2017-05-31 | 合肥寰景信息技术有限公司 | 一种疲劳驾驶监控预警*** |
CN106843455A (zh) * | 2015-12-03 | 2017-06-13 | 致伸科技股份有限公司 | 疲劳警示*** |
CN108038466A (zh) * | 2017-12-26 | 2018-05-15 | 河海大学 | 基于卷积神经网络的多通道人眼闭合识别方法 |
CN108618956A (zh) * | 2018-05-25 | 2018-10-09 | 苏州盖业智能科技有限公司 | 多点喷射均匀压强清洗装置及控制方法、应用 |
CN111275018A (zh) * | 2020-03-06 | 2020-06-12 | 华东师范大学 | 一种基于环形感兴趣区域加权的非接触式心率信号提取方法 |
CN113568509A (zh) * | 2015-06-08 | 2021-10-29 | 北京三星通信技术研究有限公司 | 便携式电子设备及其操作方法 |
CN113642548A (zh) * | 2021-10-18 | 2021-11-12 | 氢山科技有限公司 | 氢能运输车的异常驾驶行为检测、装置和计算机设备 |
CN114287939A (zh) * | 2021-12-13 | 2022-04-08 | 上海航盛实业有限公司 | 一种疲劳驾驶检测方法及*** |
WO2022093696A1 (en) * | 2020-10-26 | 2022-05-05 | Epilog Imaging Systems, Inc. | Imaging method and device |
-
2014
- 2014-06-30 CN CN201410309500.3A patent/CN104068868A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113568509A (zh) * | 2015-06-08 | 2021-10-29 | 北京三星通信技术研究有限公司 | 便携式电子设备及其操作方法 |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN106843455A (zh) * | 2015-12-03 | 2017-06-13 | 致伸科技股份有限公司 | 疲劳警示*** |
CN105996993A (zh) * | 2016-04-29 | 2016-10-12 | 南京理工大学 | 一种智能视频生命体征监测***及方法 |
CN106548132A (zh) * | 2016-10-16 | 2017-03-29 | 北海益生源农贸有限责任公司 | 融合眼睛状态和心率检测的疲劳驾驶检测方法 |
CN106778618A (zh) * | 2016-12-16 | 2017-05-31 | 合肥寰景信息技术有限公司 | 一种疲劳驾驶监控预警*** |
CN108038466A (zh) * | 2017-12-26 | 2018-05-15 | 河海大学 | 基于卷积神经网络的多通道人眼闭合识别方法 |
CN108038466B (zh) * | 2017-12-26 | 2021-11-16 | 河海大学 | 基于卷积神经网络的多通道人眼闭合识别方法 |
CN108618956A (zh) * | 2018-05-25 | 2018-10-09 | 苏州盖业智能科技有限公司 | 多点喷射均匀压强清洗装置及控制方法、应用 |
CN111275018A (zh) * | 2020-03-06 | 2020-06-12 | 华东师范大学 | 一种基于环形感兴趣区域加权的非接触式心率信号提取方法 |
WO2022093696A1 (en) * | 2020-10-26 | 2022-05-05 | Epilog Imaging Systems, Inc. | Imaging method and device |
CN113642548A (zh) * | 2021-10-18 | 2021-11-12 | 氢山科技有限公司 | 氢能运输车的异常驾驶行为检测、装置和计算机设备 |
CN114287939A (zh) * | 2021-12-13 | 2022-04-08 | 上海航盛实业有限公司 | 一种疲劳驾驶检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
CN101639894B (zh) | 在线检测列车驾驶员行为和疲劳状态的方法及其检测*** | |
CN104183091B (zh) | 一种自适应调整疲劳驾驶预警***灵敏度的*** | |
CN104361716A (zh) | 实时检测疲劳并提醒的方法 | |
Picot et al. | Drowsiness detection based on visual signs: blinking analysis based on high frame rate video | |
CN104637246A (zh) | 一种驾驶员多种行为预警***及危险评估方法 | |
CN105719431A (zh) | 一种疲劳驾驶检测*** | |
CN208498370U (zh) | 基于方向盘的疲劳驾驶检测预警装置 | |
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 | |
CN106128032A (zh) | 一种疲劳状态监测及预警方法及其*** | |
CN103340637A (zh) | 基于眼动与脑电融合的驾驶员警觉度智能监控***及方法 | |
CN109953763A (zh) | 一种基于深度学习的车载驾驶行为检测预警***及方法 | |
CN103049740A (zh) | 基于视频图像的疲劳状态检测方法及装置 | |
CN103700220A (zh) | 一种疲劳驾驶监控装置 | |
CN107563346A (zh) | 一种基于人眼图像处理实现驾驶员疲劳判别的方法 | |
CN202568277U (zh) | 疲劳检测装置 | |
CN112016429A (zh) | 基于火车驾驶室场景下疲劳驾驶检测方法 | |
CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
CN107194381A (zh) | 基于Kinect的驾驶员状态监测*** | |
CN103729646A (zh) | 一种眼睛图像有效性检测方法 | |
CN111714103A (zh) | 一种针对驾考考生的健康监测装置 | |
Valsan et al. | Monitoring driver’s drowsiness status at night based on computer vision | |
Mašanović et al. | Driver monitoring using the in-vehicle camera | |
CN105894732A (zh) | 一种疲劳驾驶监测*** | |
Bin et al. | A fatigue driving detection method based on multi facial features fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141001 |