CN105574487A - 基于面部特征的驾驶人注意力状态检测方法 - Google Patents
基于面部特征的驾驶人注意力状态检测方法 Download PDFInfo
- Publication number
- CN105574487A CN105574487A CN201510838005.6A CN201510838005A CN105574487A CN 105574487 A CN105574487 A CN 105574487A CN 201510838005 A CN201510838005 A CN 201510838005A CN 105574487 A CN105574487 A CN 105574487A
- Authority
- CN
- China
- Prior art keywords
- driver
- state
- fatigue
- eyelid
- follows
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于面部特征的驾驶人注意力状态检测方法,其特征在于检测步骤如下:基于PERCLOS的驾驶人疲劳状态检测;基于眨眼频率的驾驶人疲劳状态检测;基于视线分布的驾驶人注意力分散状态检测;驾驶人疲劳与注意力分散状态的预警;疲劳或注意力分散状态应该预警持续时间,避免不同状态频繁切换。预警优先级:疲劳驾驶>注意力分散>正常驾驶;其通过驾驶人生理反应特征准确检测驾驶人的注意力状态并对驾驶人疲劳与注意力分散状态进行预警。不包括驾驶人面部特征的采集和提取,所采用的驾驶人面部特征采集提取***的采样频率为,本发明读取驾驶人面部特征的频率为。
Description
技术领域
本发明涉及一种驾驶人注意力状态检测方法,特别是涉及一种基于面部特征的驾驶人注意力状态检测方法,属于智能车辆安全辅助驾驶领域。
背景技术
驾驶人疲劳和注意力分散是引起道路交通事故的重要因素,研究表明,超过23%的碰撞事故和几乎碰撞事故与驾驶人注意力状态有关。然而,随着车载信息***的不断增加,这一现象日趋严重。
实时有效的检测驾驶人的疲劳与注意力分散状态是提高行车安全性和改善道路交通环境的一项重要措施。
目前,进行驾驶人注意力状态检测的方法可大致分为五种:
1)基于驾驶人生理信号的检测方法,如EEG、ECG、EOG等;
2)基于驾驶人生理反应特征的检测方法,如眨眼频率、视线方向、面部朝向等;
3)基于驾驶人操作行为的检测方法,如方向盘转角、方向盘转角速度、油门开度等;
4)基于车辆状态信息的检测方法,如车速、车道偏移量等;
5)基于信息融合技术的检测方法,融合以上两种或多种检测方法。
其中,基于驾驶人生理反应特征的检测方法是指利用驾驶人的眨眼信息、眼球的运动和头部运动特性等推断驾驶人的注意力状态,检测准确率较高,已成为现阶段驾驶人疲劳与注意力分散状态检测的主要研究方向。
专利201110162468.7(一种基于面部视频分析的驾驶人疲劳检测方法)提出一种基于面部视频分析的驾驶人疲劳检测方法,该方法首先对人脸图像进行检测,得到眼睛、鼻子、嘴巴局部器官的初步定位;然后进一步得到精确定位的人脸特征点;最终以多帧待测人脸特征点的精确定位结果为基础,对面部运动特征进行量化描述,根据面部运动统计指标得到待测人疲劳检测结果。
专利号201010275567.1(基于数字视频的驾驶人疲劳状态检测方法)提出了一种基于数字视频的驾驶人疲劳状态检测方法。该方法在摄像头采集到图像的基础上,首先进行人脸的检测与定位;然后查找人眼区域和嘴巴区域,对人眼状态及嘴巴状态进行判断;最后,采用空-频域特征融合与SVM分类的方法判断驾驶人是否处于疲劳驾驶状态。
目前,基于驾驶人生理反应特征的检测方法的研究主要集中在驾驶人面部特征的提取方面。然而在成功提取驾驶人生理反应特征(眼睑尺寸、眨眼次数、视线方向等)后,由驾驶人的生理反应特征到驾驶人注意力状态的判断方面存在一定的问题,急需完善。同时,由于驾驶人不同个体之间存在一定差异性,又进一步降低了现有的驾驶人疲劳和注意力分散状态检测***的准确率。
发明内容
本发明的目的在于提供一种基于面部特征的驾驶人注意力状态检测方法,其通过驾驶人生理反应特征(眼睑尺寸、眨眼次数、视线方向等)准确检测驾驶人的注意力状态并对驾驶人疲劳与注意力分散状态进行预警。确定了具体参数值及明确了检测步骤。不包括驾驶人面部特征的采集和提取,所采用的驾驶人面部特征采集提取***的采样频率为,本发明读取驾驶人面部特征的频率为。
为解决上述技术问题,本发明的技术方案是这样实现的:基于面部特征的驾驶人注意力状态检测方法,其特征在于检测步骤如下:
1.基于PERCLOS的驾驶人疲劳状态检测;
2.基于眨眼频率的驾驶人疲劳状态检测;
3.基于视线分布的驾驶人注意力分散状态检测;
4.驾驶人疲劳与注意力分散状态的预警;
疲劳或注意力分散状态应该预警持续时间,避免不同状态频繁切换。预警优先级:疲劳驾驶>注意力分散>正常驾驶;
其中所述的基于PERCLOS的驾驶人疲劳状态检测包括如下步骤:
1.针对不同驾驶人的差异,驾驶人眼睑尺寸阈值的初始化步骤如下
a.读取并保存前n组驾驶人眼睑尺寸:左眼睑,右眼睑;眼睑俗称眼皮,长在眼球前面的软组织,对眼球起保护作用。眼睑尺寸是眼睛睁开时的尺寸;
b.计算驾驶人眼睑尺寸阈值(左眼睑、右眼睑)作为PERCLOS的计算基准,驾驶人眼睑尺寸阈值计算公式如下:
2.基于的判断准则(即:单位时间内眼睛闭合超过80%所占的比例大于0.4)检测驾驶人疲劳状态步骤如下:
a.读取当前帧的眼睑尺寸:左眼睑、右眼睑;
b.眼睑闭合程度的计算公式如下:
其中:为左眼闭合程度,为右眼闭合程度;
c.当眼睛闭合超过80%时开始计时,计算s内驾驶人眼睛闭合超过80%的次数,计算公式如下:
其中:为内眼睛闭合超过80%的次数,每次开始计时的初始值为0;
d.的计算公式如下:
其中:为读取驾驶人眼睑尺寸的频率;
如果,则驾驶人处于疲劳驾驶状态,如果,则驾驶人处于正常驾驶状态。
所述的基于眨眼频率的驾驶人疲劳状态检测包括如下步骤:
1.针对不同驾驶人单位时间(1min)内眨眼次数变化范围阈值初始化步骤如下:
a.驾驶人开始驾驶前时间内,统计单位时间窗(1min)内的驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.统计前内共组驾驶人眨眼次数组成特征向量,计算特征向量中驾驶人眨眼次数最小值和最大值,计算前时间内驾驶人眨眼次数最小值和最大值,作为该驾驶人正常驾驶状态眨眼次数变化范围;
2.基于眨眼频率的驾驶人疲劳状态检测步骤如下:
a.统计单位时间窗(1min)内驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.如果眨眼次数落在正常驾驶状态变化范围内,即则驾驶人处于正常驾驶状态,如果或则驾驶人处于疲劳驾驶状态。
所述的基于视线分布的驾驶人注意力分散状态检测包括如下步骤:
1.针对不同驾驶人正视道路前方时,注视区域划分的步骤如下:
a.读取并保存前m组驾驶人正视道路前方时,驾驶人视线方向;
b.前m组所有驾驶人视线方向在x方向分量按从小到大顺序构成特征向量;
c.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
d.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域x方向分量新特征向量;
e.取特征向量中最小值、最大值构成正常注视区域x方向范围;
f.前m组所有驾驶人视线方向在y方向分量按从小到大顺序构成特征向量
;
g.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
h.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域y方向分量新特征向量
;
i.取特征向量中最小值、最大值构成正常注视区域y方向范围;
2.基于视线分布的驾驶人注意力分散状态检测步骤如下:
a.读取当前帧的注视方向:;
b.如果驾驶人注视方向偏离正常注视区域,开始计时,其计算公式如下:
其中:为注视方向偏离正常注视区域计时次数,每次开始计时的初始值为0;
c.如果持续偏离正常注视区域时间超过2s,则驾驶人处于注意力分散状态,否则为正常驾驶状态,持续时间计算公式如下:
其中:为读取驾驶人视线方向的频率。
所述的驾驶人疲劳或注意力分散状态的预警包括如下步骤:
1.当驾驶人处于正常驾驶状态时,预警***的绿色指示灯亮,显示“正常驾驶”;
2.当驾驶人处于疲劳驾驶状态时,预警***的红色指示灯亮,播放警告声音,同时显示“疲劳驾驶”,直到正常驾驶为止;
3.当驾驶人处于注意力分散状态时,预警***的黄色指示灯亮,播放警告声音,同时显示“注意力分散”,直到正常驾驶为止;
4.预警***安装在仪表盘处,所发出预警易被驾驶人理解和接受。
本发明的积极效果是通过对不同驾驶人眼睑尺寸阈值的初始化,解决了驾驶人个体差异性的问题,提高了***的通用性和检测准确率;通过对驾驶人单位时间内眨眼次数阈值的初始化,解决了驾驶人个体差异性的问题。同时,两连续时间窗重复率为50s,降低了驾驶人疲劳状态检测的漏警率;通过对驾驶人正常驾驶状态注视区域的初始化,解决了驾驶人个体差异性的问题,初始化过程中,删除正常驾驶状态注视区域的初始化过程中异常值,排除非正常注视点的干扰,提高了注意力分散状态检测的准确率;对不同驾驶状态进行不同预警,预警方法更易被驾驶人理解和接受。
附图说明
图1为本发明所述的基于面部特征的驾驶人注意力状态检测方法中的驾驶人面部特征参数阈值初始化流程框图。
图2为本发明所述的基于面部特征的驾驶人注意力状态检测方法的流程框图。
图3为本发明所述的基于面部特征的驾驶人注意力状态检测方法中的驾驶人注意力状态预警流程框图。
具体实施方式
下面结合附图和实施例对本发明做进一步的描述:
实施例1
采用的驾驶人面部特征采集提取***为SmartEye,其采样频率为50Hz,驾驶人面部特征参数的读取频率为50Hz。
如图2所示,本发明所述的基于面部特征的驾驶人注意力状态检测方法包括如下步骤:
1.基于PERCLOS的驾驶人疲劳状态检测;
2.基于眨眼频率的驾驶人疲劳状态检测;
3.基于视线分布的驾驶人注意力分散状态检测;
4.驾驶人疲劳或注意力分散状态的预警;
技术方案中所述的基于PERCLOS的驾驶人疲劳状态检测包括如下步骤:
1.如图1所示,针对不同驾驶人差异,驾驶人眼睑尺寸阈值初始化的步骤如下:
a.读取并保存前500组驾驶人眼睑尺寸:左眼睑,右眼睑;
b.计算驾驶人眼睑尺寸阈值(左眼睑、右眼睑)作为PERCLOS的计算基准,驾驶人眼睑尺寸阈值计算公式如下:
2.如图2所示,采用基于的判断准则(即:单位时间内眼睛闭合超过80%所占的比例大于0.4)检测驾驶人疲劳状态步骤如下:
a.读取当前帧的眼睑尺寸:左眼睑、右眼睑;
b.眼睑闭合程度的计算公式如下:
其中:为左眼闭合程度,为右眼闭合程度;
c.在计算P80时,本发明不是以时间窗为计算单元计算单位时间内眼睛闭合超过80%的比例,而是当驾驶人眼睛闭合超过80%时开始计时(本实例中计算1s内驾驶人眼睛闭合超过80%的比例),这样既可以减少检测***运算量提高***性能,更重要的是可以避免出现时眼睛闭合超过80%被分到两个连续时间窗内,同时每个时间窗内不满足而出现漏警,提高了检测准确率,本实例计算公式如下:
其中:为1s内眼睛闭合超过80%的次数,每次开始计时的初始值为0;
d.的计算公式如下:
如果,则驾驶人处于疲劳驾驶状态,如果,则驾驶人处于正常驾驶状态。
所述的基于眨眼频率的驾驶人疲劳状态检测包括如下步骤:
1.不同驾驶人眨眼频率不同,参阅图1,不同驾驶人单位时间(1min)内眨眼次数变化范围阈值初始化步骤如下:
a.驾驶人开始驾驶前30min时间内,统计单位时间窗(1min)内的驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.前30min共175组驾驶人眨眼次数组成特征向量,计算特征向量内驾驶人眨眼次数最小值和最大值,作为该驾驶人正常驾驶状态眨眼次数变化范围。
2.如图2所示,基于眨眼频率的驾驶人疲劳状态检测步骤如下:
a.统计单位时间窗(1min)内驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.如果眨眼次数落在正常驾驶状态变化范围内,即则驾驶人处于正常驾驶状态,如果或则驾驶人处于疲劳驾驶状态。
所述的基于视线分布的驾驶人注意力分散状态检测包括如下步骤:
1.如图1所示,针对不同驾驶人正视道路前方时,注视区域划分的步骤如下:
a.读取并保存前30min共m驾驶人视线方向、;
b.前m组所有驾驶人视线方向在x方向分量按从小到大顺序构成特征向量;
c.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
d.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域x方向分量新特征向量;
e.取特征向量中最小值、最大值构成正常注视区域x方向范围;
f.前m组所有驾驶人视线方向在y方向分量按从小到大顺序构成特征向量;
g.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
h.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域y方向分量新特征向量;
i.取特征向量中最小值、最大值构成正常注视区域y方向范围.
2.如图2所示,基于视线分布的驾驶人注意力分散状态检测步骤如下:
a.读取当前帧的注视方向:;
b.如果驾驶人注视方向偏离正常注视区域,开始计时,其计算公式如下:
其中:为注视方向偏离正常注视区域计时次数,每次开始计时的初始值为0;
c.如果持续偏离正常注视区域时间超过2s,则驾驶人为注意力分散状态,持续时间计算公式如下:
如图3所示,本发明的预警***安装在仪表盘处,技术方案中所述的驾驶人疲劳或注意力分散状态的预警包括如下步骤:
1.当驾驶人处于正常驾驶状态时,预警***的绿色指示灯亮,显示“正常驾驶”。
2.当驾驶人处于疲劳驾驶状态时,预警***的红色指示灯亮,播放警告声音,同时显示“疲劳驾驶”,直到正常驾驶为止。
3.当驾驶人处于注意力分散状态时,预警***的黄色指示灯亮,播放警告声音,同时显示“注意力分散”,直到正常驾驶为止。
Claims (1)
1.基于面部特征的驾驶人注意力状态检测方法,其特征在于检测步骤如下:
(1)基于PERCLOS的驾驶人疲劳状态检测;
(2)基于眨眼频率的驾驶人疲劳状态检测;
(3)基于视线分布的驾驶人注意力分散状态检测;
(4)驾驶人疲劳与注意力分散状态的预警;
疲劳或注意力分散状态应该预警持续时间,避免不同状态频繁切换;预警优先级:疲劳驾驶>注意力分散>正常驾驶;
其中所述的基于PERCLOS的驾驶人疲劳状态检测包括如下步骤:
针对不同驾驶人的差异,驾驶人眼睑尺寸阈值的初始化步骤如下
a.读取并保存前n组驾驶人眼睑尺寸:左眼睑,右眼睑;眼睑俗称眼皮,长在眼球前面的软组织,对眼球起保护作用,眼睑尺寸是眼睛睁开时的尺寸;
b.计算驾驶人眼睑尺寸阈值(左眼睑、右眼睑)作为PERCLOS的计算基准,驾驶人眼睑尺寸阈值计算公式如下:
基于的判断准则(即:单位时间内眼睛闭合超过80%所占的比例大于0.4)检测驾驶人疲劳状态步骤如下:
a.读取当前帧的眼睑尺寸:左眼睑、右眼睑;
b.眼睑闭合程度的计算公式如下:
其中:为左眼闭合程度,为右眼闭合程度;
c.当眼睛闭合超过80%时开始计时,计算s内驾驶人眼睛闭合超过80%的次数,计算公式如下:
其中:为内眼睛闭合超过80%的次数,每次开始计时的初始值为0;
d.的计算公式如下:
其中:为读取驾驶人眼睑尺寸的频率;
如果,则驾驶人处于疲劳驾驶状态,如果,则驾驶人处于正常驾驶状态;
所述的基于眨眼频率的驾驶人疲劳状态检测包括如下步骤:
(1)针对不同驾驶人单位时间(1min)内眨眼次数变化范围阈值初始化步骤如下:
a.驾驶人开始驾驶前时间内,统计单位时间窗(1min)内的驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.统计前内共组驾驶人眨眼次数组成特征向量,计算特征向量中驾驶人眨眼次数最小值和最大值,计算前时间内驾驶人眨眼次数最小值和最大值,作为该驾驶人正常驾驶状态眨眼次数变化范围;
(2)基于眨眼频率的驾驶人疲劳状态检测步骤如下:
a.统计单位时间窗(1min)内驾驶人眨眼次数;
b.两个连续时间窗重复率为50s;
c.如果眨眼次数落在正常驾驶状态变化范围内,即则驾驶人处于正常驾驶状态,如果或则驾驶人处于疲劳驾驶状态;
所述的基于视线分布的驾驶人注意力分散状态检测包括如下步骤:
(1)针对不同驾驶人正视道路前方时,注视区域划分的步骤如下:
a.读取并保存前m组驾驶人正视道路前方时,驾驶人视线方向;
b.前m组所有驾驶人视线方向在x方向分量按从小到大顺序构成特征向量;
c.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
d.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域x方向分量新特征向量;
e.取特征向量中最小值、最大值构成正常注视区域x方向范围;
f.前m组所有驾驶人视线方向在y方向分量按从小到大顺序构成特征向量
;
g.按照百分位计算方法计算特征向量上四分位数、下四分位数和四分位距;
h.特征向量中落在区间外的元素为异常值,删除中所有异常值后剩余个元素,将个元素按从小到大顺序排列构成正常注视区域y方向分量新特征向量
;
i.取特征向量中最小值、最大值构成正常注视区域y方向范围;
(2)基于视线分布的驾驶人注意力分散状态检测步骤如下:
a.读取当前帧的注视方向:;
b.如果驾驶人注视方向偏离正常注视区域,开始计时,其计算公式如下:
其中:为注视方向偏离正常注视区域计时次数,每次开始计时的初始值为0;
c.如果持续偏离正常注视区域时间超过2s,则驾驶人处于注意力分散状态,否则为正常驾驶状态,持续时间计算公式如下:
其中:为读取驾驶人视线方向的频率;
所述的驾驶人疲劳或注意力分散状态的预警包括如下步骤:
(1)当驾驶人处于正常驾驶状态时,预警***的绿色指示灯亮,显示“正常驾驶”;
(2)当驾驶人处于疲劳驾驶状态时,预警***的红色指示灯亮,播放警告声音,同时显示“疲劳驾驶”,直到正常驾驶为止;
(3)当驾驶人处于注意力分散状态时,预警***的黄色指示灯亮,播放警告声音,同时显示“注意力分散”,直到正常驾驶为止;
(4)预警***安装在仪表盘处,所发出预警易被驾驶人理解和接受。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510838005.6A CN105574487A (zh) | 2015-11-26 | 2015-11-26 | 基于面部特征的驾驶人注意力状态检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510838005.6A CN105574487A (zh) | 2015-11-26 | 2015-11-26 | 基于面部特征的驾驶人注意力状态检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105574487A true CN105574487A (zh) | 2016-05-11 |
Family
ID=55884595
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510838005.6A Pending CN105574487A (zh) | 2015-11-26 | 2015-11-26 | 基于面部特征的驾驶人注意力状态检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105574487A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529193A (zh) * | 2016-11-30 | 2017-03-22 | 上海明波通信技术股份有限公司 | 健康检查*** |
CN106585629A (zh) * | 2016-12-06 | 2017-04-26 | 广州市科恩电脑有限公司 | 一种车辆控制方法和装置 |
CN106627529A (zh) * | 2016-12-06 | 2017-05-10 | 广州市科恩电脑有限公司 | 一种汽车智能监控方法和装置 |
CN106652353A (zh) * | 2016-12-06 | 2017-05-10 | 广州市科恩电脑有限公司 | 一种交通工具控制方法和装置 |
CN108446600A (zh) * | 2018-02-27 | 2018-08-24 | 上海汽车集团股份有限公司 | 一种车辆驾驶员疲劳监测预警***及方法 |
CN109584507A (zh) * | 2018-11-12 | 2019-04-05 | 深圳佑驾创新科技有限公司 | 驾驶行为监测方法、装置、***、交通工具和存储介质 |
CN109803583A (zh) * | 2017-08-10 | 2019-05-24 | 北京市商汤科技开发有限公司 | 驾驶状态监控方法、装置和电子设备 |
CN109859438A (zh) * | 2019-01-30 | 2019-06-07 | 北京津发科技股份有限公司 | 安全预警方法、***、车辆和终端设备 |
CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及*** |
WO2020042345A1 (zh) * | 2018-08-28 | 2020-03-05 | 初速度(苏州)科技有限公司 | 一种单相机采集人眼视线方向的方法及*** |
CN110859609A (zh) * | 2019-11-26 | 2020-03-06 | 郑州迈拓信息技术有限公司 | 基于语音分析的多特征融合疲劳驾驶检测方法 |
CN111291590A (zh) * | 2018-12-06 | 2020-06-16 | 广州汽车集团股份有限公司 | 驾驶员疲劳检测方法、装置、计算机设备和存储介质 |
CN111325172A (zh) * | 2020-02-28 | 2020-06-23 | 英华达(上海)科技有限公司 | 以视线追踪达成驾驶习惯养成的装置及方法 |
CN111476122A (zh) * | 2020-03-26 | 2020-07-31 | 杭州鸿泉物联网技术股份有限公司 | 一种驾驶状态监测方法、设备及存储介质 |
CN113792577A (zh) * | 2021-07-29 | 2021-12-14 | 何泽仪 | 一种网课学生注意力状态检测方法及检测***、存储介质 |
CN114159064A (zh) * | 2022-02-11 | 2022-03-11 | 深圳市心流科技有限公司 | 基于脑电信号的专注力评估方法、装置、设备及存储介质 |
US11386679B2 (en) | 2018-10-19 | 2022-07-12 | Shanghai Sensetime Intelligent Technology Co., Ltd. | Driving state analysis method and apparatus, driver monitoring system and vehicle |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254151A (zh) * | 2011-06-16 | 2011-11-23 | 清华大学 | 一种基于面部视频分析的驾驶人疲劳检测方法 |
CN104240446A (zh) * | 2014-09-26 | 2014-12-24 | 长春工业大学 | 基于人脸识别的疲劳驾驶预警*** |
CN104732251A (zh) * | 2015-04-23 | 2015-06-24 | 郑州畅想高科股份有限公司 | 一种基于视频的机车司机驾驶状态检测方法 |
CN104794856A (zh) * | 2014-01-22 | 2015-07-22 | 径卫视觉科技(上海)有限公司 | 驾驶员注意力综合测评*** |
-
2015
- 2015-11-26 CN CN201510838005.6A patent/CN105574487A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254151A (zh) * | 2011-06-16 | 2011-11-23 | 清华大学 | 一种基于面部视频分析的驾驶人疲劳检测方法 |
CN104794856A (zh) * | 2014-01-22 | 2015-07-22 | 径卫视觉科技(上海)有限公司 | 驾驶员注意力综合测评*** |
CN104240446A (zh) * | 2014-09-26 | 2014-12-24 | 长春工业大学 | 基于人脸识别的疲劳驾驶预警*** |
CN104732251A (zh) * | 2015-04-23 | 2015-06-24 | 郑州畅想高科股份有限公司 | 一种基于视频的机车司机驾驶状态检测方法 |
Non-Patent Citations (4)
Title |
---|
HUACAI XIAN等: "The Effects of Using In-Vehicle Computer on Driver Eye Movements and Driving Performance", 《ADVANCES IN MECHANICAL ENGINEERING》 * |
LISHENG JIN等: "Driver Sleepiness Detection System Based on Eye Movements Variables", 《ADVANCES IN MECHANICAL ENGINEERING》 * |
牛清宁: "基于信息融合的疲劳驾驶检测方法研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
牛清宁等: "基于眼动特征的疲劳驾驶检测方法", 《哈尔滨工程大学学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106529193A (zh) * | 2016-11-30 | 2017-03-22 | 上海明波通信技术股份有限公司 | 健康检查*** |
CN106585629A (zh) * | 2016-12-06 | 2017-04-26 | 广州市科恩电脑有限公司 | 一种车辆控制方法和装置 |
CN106627529A (zh) * | 2016-12-06 | 2017-05-10 | 广州市科恩电脑有限公司 | 一种汽车智能监控方法和装置 |
CN106652353A (zh) * | 2016-12-06 | 2017-05-10 | 广州市科恩电脑有限公司 | 一种交通工具控制方法和装置 |
CN106585629B (zh) * | 2016-12-06 | 2019-07-12 | 广东泓睿科技有限公司 | 一种车辆控制方法和装置 |
CN109803583A (zh) * | 2017-08-10 | 2019-05-24 | 北京市商汤科技开发有限公司 | 驾驶状态监控方法、装置和电子设备 |
CN108446600A (zh) * | 2018-02-27 | 2018-08-24 | 上海汽车集团股份有限公司 | 一种车辆驾驶员疲劳监测预警***及方法 |
WO2020042345A1 (zh) * | 2018-08-28 | 2020-03-05 | 初速度(苏州)科技有限公司 | 一种单相机采集人眼视线方向的方法及*** |
US11386679B2 (en) | 2018-10-19 | 2022-07-12 | Shanghai Sensetime Intelligent Technology Co., Ltd. | Driving state analysis method and apparatus, driver monitoring system and vehicle |
CN109584507A (zh) * | 2018-11-12 | 2019-04-05 | 深圳佑驾创新科技有限公司 | 驾驶行为监测方法、装置、***、交通工具和存储介质 |
CN109584507B (zh) * | 2018-11-12 | 2020-11-13 | 深圳佑驾创新科技有限公司 | 驾驶行为监测方法、装置、***、交通工具和存储介质 |
CN111291590A (zh) * | 2018-12-06 | 2020-06-16 | 广州汽车集团股份有限公司 | 驾驶员疲劳检测方法、装置、计算机设备和存储介质 |
CN109859438A (zh) * | 2019-01-30 | 2019-06-07 | 北京津发科技股份有限公司 | 安全预警方法、***、车辆和终端设备 |
CN110287916A (zh) * | 2019-06-28 | 2019-09-27 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及*** |
CN110287916B (zh) * | 2019-06-28 | 2021-11-16 | 浙江吉利控股集团有限公司 | 一种用于判断驾驶员注意力的方法及*** |
CN110859609A (zh) * | 2019-11-26 | 2020-03-06 | 郑州迈拓信息技术有限公司 | 基于语音分析的多特征融合疲劳驾驶检测方法 |
CN111325172A (zh) * | 2020-02-28 | 2020-06-23 | 英华达(上海)科技有限公司 | 以视线追踪达成驾驶习惯养成的装置及方法 |
CN111325172B (zh) * | 2020-02-28 | 2023-04-21 | 英华达(上海)科技有限公司 | 以视线追踪达成驾驶习惯养成的装置及方法 |
CN111476122A (zh) * | 2020-03-26 | 2020-07-31 | 杭州鸿泉物联网技术股份有限公司 | 一种驾驶状态监测方法、设备及存储介质 |
CN113792577A (zh) * | 2021-07-29 | 2021-12-14 | 何泽仪 | 一种网课学生注意力状态检测方法及检测***、存储介质 |
CN114159064A (zh) * | 2022-02-11 | 2022-03-11 | 深圳市心流科技有限公司 | 基于脑电信号的专注力评估方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105574487A (zh) | 基于面部特征的驾驶人注意力状态检测方法 | |
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警***及方法 | |
CN102054163B (zh) | 基于单目视觉的驾驶员疲劳检测方法 | |
CN104183091B (zh) | 一种自适应调整疲劳驾驶预警***灵敏度的*** | |
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*** | |
CN105303830A (zh) | 一种驾驶行为分析***及分析方法 | |
CN105719431A (zh) | 一种疲劳驾驶检测*** | |
CN113378771B (zh) | 驾驶员状态确定方法、装置、驾驶员监控***、车辆 | |
CN105389948A (zh) | 一种预防司机疲劳驾驶的***及方法 | |
CN104794855A (zh) | 驾驶员注意力综合评估装置 | |
CN108230619A (zh) | 基于多特征融合的疲劳驾驶检测方法 | |
CN106080194A (zh) | 防疲劳驾驶的预警方法和*** | |
CN104637246A (zh) | 一种驾驶员多种行为预警***及危险评估方法 | |
CN106467057B (zh) | 车道偏离预警的方法、装置及*** | |
CN103198616B (zh) | 基于驾驶员头颈移动特征识别的疲劳驾驶检测方法与*** | |
CN104318237A (zh) | 基于人脸识别的疲劳驾驶预警方法 | |
CN105404862A (zh) | 一种基于手部跟踪的安全驾驶检测方法 | |
CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
CN105931430A (zh) | 用于驾驶员状态预警***的报警灵敏度检测方法及装置 | |
CN104269028A (zh) | 一种疲劳驾驶检测方法及*** | |
CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
CN107571797A (zh) | 前车行驶信息抬头显示方法及*** | |
CN108154095A (zh) | 一种确定疲劳驾驶的方法、装置和车辆 | |
CN107563346A (zh) | 一种基于人眼图像处理实现驾驶员疲劳判别的方法 | |
CN106446849A (zh) | 一种疲劳驾驶检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160511 |