CN109215292A - 一种疲劳驾驶辅助方法及*** - Google Patents
一种疲劳驾驶辅助方法及*** Download PDFInfo
- Publication number
- CN109215292A CN109215292A CN201810907471.9A CN201810907471A CN109215292A CN 109215292 A CN109215292 A CN 109215292A CN 201810907471 A CN201810907471 A CN 201810907471A CN 109215292 A CN109215292 A CN 109215292A
- Authority
- CN
- China
- Prior art keywords
- data
- video acquisition
- vehicle
- face
- human 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/06—Alarms for ensuring the safety of persons indicating a condition of sleep, e.g. anti-dozing alarms
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Ophthalmology & Optometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明的技术方案包括一种疲劳驾驶辅助方法及***,用于实现:使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练‑预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。本发明的有益效果为与目前已有的眼睛状态判断的算法相比,此种方式适用场景更广,也更稳定。
Description
技术领域
本发明涉及一种疲劳驾驶辅助方法及***,属于计算机视觉领域。
背景技术
在汽车驾驶辅助***中,疲劳驾驶预警***可以起到非常重要的作用。现有的疲劳驾驶预警***是通过提取眼睛轮廓的方式,通过比较睁眼轮廓面积与闭眼轮廓面积之间的差异来判断,此种方式要求拍摄出来的人眼区域图像要非常清晰,而在实际工作环境中,由于外部自然光的影响,很难保证可以持续的拍摄出清晰的人眼图像。
发明内容
本发明提供一种疲劳驾驶辅助方法及***,采用训练-预测的方式来判断人眼状态,该算法首先检测并定位出图像中的人脸位置,根据人脸特征点分割的方式,分割出眼睛区域,再将分割完的人眼图像通过分类器文件进行预测,判断眼睛是否争闭。与目前已有的眼睛状态判断的算法相比,此种方式适用场景更广,也更稳定。
本发明的技术方案包括一种疲劳驾驶辅助方法,该方法包括以下步骤:S1,使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;S2,对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;S3,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
根据所述的疲劳驾驶辅助方法,其特征在于,其中视频采集装置为设置于车辆仪表盘上的可调节红外摄像机,其中红外摄像机以一定的俯仰角正对着驾驶员人脸。
根据所述的疲劳驾驶辅助方法,其特征在于,其中步骤S2还包括以下步骤:对所述车辆行驶数据进行实时监控,若车辆速度超过车辆速度预设值时,则启动步骤S3的检测;对所述车辆在一次启动后行驶的时长进行监控,若行驶时间超过预设值时,则使用语音报警装置进行告警。
根据所述的疲劳驾驶辅助方法,其特征在于,其中步骤S3还包括以下步骤:S30,从所述视频采集数据的数据流中调取一帧图像;S31,对图像进行人脸区域定位;S32,根据所述步骤S31定位的人脸区域进一步分割人眼ROI区域,得到人眼状态图,根据人眼状态进行对应的报警提醒;S33,循环执行步骤S30~S32,对驾驶者进行实时监控。
根据所述的疲劳驾驶辅助方法,其特征在于,其中步骤S32还包括以下步骤:是事先采集各种光照条件下的不同人的人眼素材,包括睁眼素材以及闭眼素材;通过模式识别的训练方式将这些素材分成两类,得到一个分类模型;后续在实时的每帧图像中,分割完的人眼图像通过此模型进行预测,判断为睁眼还是闭眼。
本发明的技术方案还包括根据上述任意方法的一种疲劳驾驶辅助***,其特征在于,该***包括以下步骤:
采集模块,用于使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;
监控模块,用于对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;
人脸识别模块,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
本发明的有益效果为:本文采用训练-预测的方式来判断人眼状态,该算法首先检测并定位出图像中的人脸位置,根据人脸特征点分割的方式,分割出眼睛区域,再将分割完的人眼图像通过分类器文件进行预测,判断眼睛是否争闭。与目前已有的眼睛状态判断的算法相比,此种方式适用场景更广,也更稳定。
附图说明
图1所示为根据本发明的方法的总体流程图;
图2所示为根据本发明实施方案的***模块框图;
图3所示为根据本发明实施方案的疲劳驾驶预警方案流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。
需要说明的是,如无特殊说明,当某一特征被称为“固定”、“连接”在另一个特征,它可以直接固定、连接在另一个特征上,也可以间接地固定、连接在另一个特征上。此外,本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。此外,除非另有定义,本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本文说明书中所使用的术语只是为了描述具体的实施例,而不是为了限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种元件,但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如,在不脱离本公开范围的情况下,第一元件也可以被称为第二元件,类似地,第二元件也可以被称为第一元件。本文所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例,并且除非另外要求,否则不会对本发明的范围施加限制。
图1所示为根据本发明的方法的总体流程图。其具体如下所示:S1,使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;S2,对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;S3,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
图2所示为根据本发明实施方案的***模块框图。其包括:采集模块,用于使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;监控模块,用于对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;人脸识别模块,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
图3所示为根据本发明实施方案的疲劳驾驶预警方案流程图。其具体实施流程如下:
在车的仪表盘上方安装一个红外相机,此相机以一定的俯仰角正对着驾驶员人脸;
当驾驶员开车的速度达到20km/hour时,该疲劳驾驶预警***开始启动;
***自动检测人脸,当驾驶员的脸部有较大角度变化时,***通过语音提醒“请正视前方”,训练-预测的方式来判断人眼状态,该算法首先检测并定位出图像中的人脸位置,根据人脸特征点分割的方式,分割出眼睛区域,再将分割完的人眼图像通过分类器文件进行预测,判断眼睛是否争闭;
如果驾驶员的脸部没有发生较大角度变化时,但由于瞌睡,眼睛闭合2秒钟,***通过语音提醒“请小心驾驶”。
(如果驾驶员是正常开车话,***不会进行语音播报提醒。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机***通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机***的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文步骤的指令或程序时,本文的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明的方法和技术编程时,本发明还包括计算机本身。
计算机程序能够应用于输入数据以执行本文的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
以上,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (6)
1.一种疲劳驾驶辅助方法,该方法包括以下步骤:
S1,使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;
S2,对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;
S3,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
2.根据权利要求1所述的疲劳驾驶辅助方法,其特征在于,所述视频采集装置为设置于车辆仪表盘上的可调节红外摄像机,其中红外摄像机以一定的俯仰角正对着驾驶员人脸。
3.根据权利要求1所述的疲劳驾驶辅助方法,其特征在于,所述步骤S2还包括以下步骤:
对所述车辆行驶数据进行实时监控,若车辆速度超过车辆速度预设值时,则启动步骤S3的检测;
对所述车辆在一次启动后行驶的时长进行监控,若行驶时间超过预设值时,则使用语音报警装置进行告警。
4.根据权利要求1所述的疲劳驾驶辅助方法,其特征在于,所述步骤S3还包括以下步骤:
S30,从所述视频采集数据的数据流中调取一帧图像;
S31,对图像进行人脸区域定位;
S32,根据所述步骤S31定位的人脸区域,依据人脸特征点定位算法,进一步分割出人眼ROI区域,将分割出来的人眼图像利用训练得到的分类器文件进行判断,得到人眼状态图,根据人眼状态进行对应的报警提醒;
S33,循环执行步骤S30~S32,对驾驶者进行实时监控。
5.根据权利要求1所述的疲劳驾驶辅助方法,其特征在于,所述步骤S32还包括以下步骤:
事先采集各种光照条件下的不同人的人眼素材,包括睁眼素材以及闭眼素材;
通过模式识别的训练方式将这些素材分成两类,得到一个分类模型;
后续在实时的每帧图像中,分割完的人眼图像通过此模型进行预测,判断为睁眼还是闭眼。
6.根据所述权利要求1-5任意方法的一种疲劳驾驶辅助***,其特征在于,该***包括以下步骤:
采集模块,用于使用视频采集装置对驾驶人脸区域进行视频采集,以及,使用数据采集装置对所驾驶车辆的行驶数据进行实时采集,分别得到视频采集数据及车辆行驶数据;
监控模块,用于对所述车辆行驶数据进行实时监控,根据车辆行驶速度决定是否执行下一检测步骤,以及,根据车辆行驶时间对驾驶人员进行提醒;
人脸识别模块,根据视频采集数据对人脸是否处于一定范围内进行检测,以及,使用训练-预测的方式来判断人眼状态,根据人脸状态及人眼状态使用声光报警装置进行对应的报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907471.9A CN109215292A (zh) | 2018-08-10 | 2018-08-10 | 一种疲劳驾驶辅助方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907471.9A CN109215292A (zh) | 2018-08-10 | 2018-08-10 | 一种疲劳驾驶辅助方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109215292A true CN109215292A (zh) | 2019-01-15 |
Family
ID=64988232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810907471.9A Pending CN109215292A (zh) | 2018-08-10 | 2018-08-10 | 一种疲劳驾驶辅助方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109215292A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532976A (zh) * | 2019-09-03 | 2019-12-03 | 湘潭大学 | 基于机器学习和多特征融合的疲劳驾驶检测方法及*** |
CN111724408A (zh) * | 2020-06-05 | 2020-09-29 | 广东海洋大学 | 基于5g通信下异常驾驶行为算法模型的验证实验方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201955874U (zh) * | 2011-04-02 | 2011-08-31 | 北京中矿华沃电子科技有限公司 | 一种疲劳驾驶预警*** |
CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警***及方法 |
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 |
CN107491769A (zh) * | 2017-09-11 | 2017-12-19 | 中国地质大学(武汉) | 基于AdaBoost算法的疲劳驾驶检测方法及*** |
CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警*** |
CN107992831A (zh) * | 2017-12-07 | 2018-05-04 | 深圳云天励飞技术有限公司 | 疲劳状态检测方法、装置、电子设备及存储介质 |
-
2018
- 2018-08-10 CN CN201810907471.9A patent/CN109215292A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201955874U (zh) * | 2011-04-02 | 2011-08-31 | 北京中矿华沃电子科技有限公司 | 一种疲劳驾驶预警*** |
CN102930693A (zh) * | 2012-11-06 | 2013-02-13 | 深圳市艾大机器人有限公司 | 安全驾驶预警***及方法 |
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 |
CN107491769A (zh) * | 2017-09-11 | 2017-12-19 | 中国地质大学(武汉) | 基于AdaBoost算法的疲劳驾驶检测方法及*** |
CN107657236A (zh) * | 2017-09-29 | 2018-02-02 | 厦门知晓物联技术服务有限公司 | 汽车安全驾驶预警方法及车载预警*** |
CN107992831A (zh) * | 2017-12-07 | 2018-05-04 | 深圳云天励飞技术有限公司 | 疲劳状态检测方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110532976A (zh) * | 2019-09-03 | 2019-12-03 | 湘潭大学 | 基于机器学习和多特征融合的疲劳驾驶检测方法及*** |
CN111724408A (zh) * | 2020-06-05 | 2020-09-29 | 广东海洋大学 | 基于5g通信下异常驾驶行为算法模型的验证实验方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403771B2 (en) | Image processing apparatus, monitoring system, image processing method, and program | |
CN105488957B (zh) | 疲劳驾驶检测方法及装置 | |
CN101950355B (zh) | 基于数字视频的驾驶员疲劳状态检测方法 | |
CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及*** | |
CN106965675B (zh) | 一种货车集群智能安全作业*** | |
CN102028577B (zh) | 眼睛视力智能保护*** | |
CN108446600A (zh) | 一种车辆驾驶员疲劳监测预警***及方法 | |
CN105769120A (zh) | 疲劳驾驶检测方法和装置 | |
CN109803583A (zh) | 驾驶状态监控方法、装置和电子设备 | |
CN107704805A (zh) | 疲劳驾驶检测方法、行车记录仪及存储装置 | |
CN202257856U (zh) | 驾驶员疲劳驾驶监控装置 | |
CN102752458A (zh) | 一种驾驶员疲劳检测手机与检测单元 | |
Liu et al. | Effects of dataset characteristics on the performance of fatigue detection for crane operators using hybrid deep neural networks | |
CN101877051A (zh) | 驾驶人注意力状态监测方法和装置 | |
CN106295474B (zh) | 船舶驾驶员的疲劳检测方法、***和服务器 | |
CN109543577A (zh) | 一种基于面部表情特征的疲劳驾驶检测预警方法 | |
CN108960071A (zh) | 一种睁眼闭眼状态检测方法 | |
CN109215292A (zh) | 一种疲劳驾驶辅助方法及*** | |
Luo et al. | The driver fatigue monitoring system based on face recognition technology | |
Bergasa et al. | Visual monitoring of driver inattention | |
Suryawanshi et al. | Driver drowsiness detection system based on lbp and haar algorithm | |
Sasikala et al. | Driver drowsiness detection system using image processing technique by the human visual system | |
CN112307920B (zh) | 一种高风险工种作业人员行为预警装置及方法 | |
CN110579360B (zh) | 一种汽车操控行为参数采集设备及方法 | |
CN204706141U (zh) | 可穿戴设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190115 |
|
RJ01 | Rejection of invention patent application after publication |