[go: up one dir, main page]

CN107679468A - 一种嵌入式计算机视觉检测疲劳驾驶方法及装置 - Google Patents

一种嵌入式计算机视觉检测疲劳驾驶方法及装置 Download PDF

Info

Publication number
CN107679468A
CN107679468A CN201710863153.2A CN201710863153A CN107679468A CN 107679468 A CN107679468 A CN 107679468A CN 201710863153 A CN201710863153 A CN 201710863153A CN 107679468 A CN107679468 A CN 107679468A
Authority
CN
China
Prior art keywords
aspect ratio
mouth
eyes
threshold
frames
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
Application number
CN201710863153.2A
Other languages
English (en)
Inventor
马利红
朱苗苗
田林晓
李春茂
王相军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Normal University CJNU
Original Assignee
Zhejiang Normal University CJNU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Normal University CJNU filed Critical Zhejiang Normal University CJNU
Priority to CN201710863153.2A priority Critical patent/CN107679468A/zh
Publication of CN107679468A publication Critical patent/CN107679468A/zh
Pending legal-status Critical Current

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
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
    • 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
    • G06V40/193—Preprocessing; Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明公开的一种嵌入式计算机视觉检测疲劳驾驶方法，步骤包括：拍摄驾驶员头部画面，进行人脸识别及追踪；进行关键点定位，记录眼睛和嘴巴特征点，并将其转化为二维数组，通过公式计算眼睛和嘴巴的纵横比；根据不同驾驶员眼睛的特征，设定眼睛和嘴巴纵横比阈值、连续长宽比小于阈值发生眨眼的帧数纵横比阈值和连续长宽比大于阈值发生打哈欠的帧数；通过一定周期内眨眼次数与正常标准值进行比较，结合打哈欠次数，判断驾驶员的疲劳状态，如处于疲劳状态，启动语音报警装置语音提示；本发明采用红外夜视摄像头，保证在夜晚能清晰拍摄画面；本方法步骤简单，可操作性强，其装置简单，便于安装携带，可实现良好的疲劳驾驶检测。

Description

一种嵌入式计算机视觉检测疲劳驾驶方法及装置
技术领域
本发明属于疲劳驾驶检测技术领域，具体涉及一种嵌入式计算机视觉检测疲劳驾驶方法及装置。
背景技术
随着汽车行业的发现，汽车成了人们最常用的代步工具，而日常行车过程中，我们经常会碰到前一天睡眠时间过少，睡眠质量过差等状况。当驾车过程中，车辆自身的颠簸，车外噪声等都容易引起驾驶员的疲劳，从而引发交通事故。目前在很多汽车中，已开发使用很多疲劳监测的系统，大众汽车装备的疲劳监测系统为疲劳识别系统，根据记录驾驶员的操作行为进行对疲劳程度的判断；奔驰装备的疲劳监测系统为注意力辅助系统，通过检测驾驶员的行车方式来感应驾驶员是否处于疲劳驾驶。虽然越来越多的车载装备运用疲劳监测系统，但是通过记录行车操作行为来判断疲劳程度会有一定的限制，监测精度不高。
申请号为CN201510093756.X的发明专利公开了一种用于疲劳驾驶检测的打哈欠动作检测方法，通过对视频图像的人脸图像区域中嘴部区域匹配定位确定嘴部特征区域轮廓的实际形状，进而识别嘴部开合状态，实现对打哈欠动作的检测。不足之处在于单凭嘴部开合无法完全确定属于疲劳驾驶，还有讲话、打喷嚏等可能情况出现。申请号为CN201610835397.5的发明专利公开了一种基于眨眼检测的疲劳驾驶监测方法，包括图像采集、图像处理器对周期内接收到的脸部图像分别进行分析处理，快速对驾驶员的疲劳驾驶状态进行准确监测。其不足之处在于该发明主要是对脸部图像进行分析，通过眼睛区域的定位，经过圆拟合后的像素点来判断疲劳状态，只针对眼睛眨眼次数，不能排除眼睛难受等其它情况，不能准确判断疲劳驾驶状况。
发明内容
针对上述现有技术中的不足，本发明提出一种嵌入式计算机视觉检测疲劳驾驶方法及装置，通过眼睛和嘴巴结合检测，在检测眨眼次数的同时检测打哈欠次数，更好的判断疲劳状况。其方法简单，可操作性强，装置可便携式安装于驾驶位，装有语音报警装置，起到提示和报警作用，并且有红外夜视摄像头，在夜间也可以清晰拍摄画面，进行疲劳检测。本发明的具体技术方法如下：
步骤一：通过摄像头1拍摄驾驶员头部画面，利用人脸识别技术，采用检测面部地标方法，本地化图像中的脸部，并且检测到脸部上的关键面部结构，包括眉毛、眼睛、鼻子、嘴巴和颌，并通过云台4控制摄像头1进行人脸识别及追踪；
步骤二：通过关键面部特征点定位，将眼睛和嘴巴的特征点分别识别并记录，并将这些特征点坐标转化为二维数组；
步骤三：计算眼睛的纵横比其中a表示眼睛最左边点与眼睛最右边点之间的距离，b表示眼珠左上角点与眼珠左下角点之间的距离，c表示眼珠右上角点与眼珠右下角点之间的距离；计算嘴巴的纵横比m表示嘴角最左边点与最右边点之间的距离，n表示嘴巴中间最高点与最低点之间的距离；
步骤四：根据驾驶员眼睛和嘴巴的特征，设置合适的眼睛的纵横比阈值η1和嘴巴的纵横比阈值η2，并分别设置连续长宽比小于阈值发生眨眼的帧数N1和连续长宽比大于阈值发生打哈欠的帧数N2；
步骤五：判断测试得到的眼睛纵横比A是否低于眼睛的纵横比阈值η1，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N1包含的眼睛的纵横比A是否低于眼睛的纵横比阈值η1，若是，则眨眼次数加1；同时判断嘴巴的纵横比B是否高于嘴巴的纵横比阈值η2，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N2包含的嘴巴的纵横比B是否低于嘴巴的纵横比阈值η2，若是，则打哈欠次数加1；
步骤六：将检测的周期内眨眼次数与正常标准情况下比较，并结合打哈欠的次数，判断驾驶员是否处于疲劳状态，若处于疲劳状态，则启动语音报警装置；若不处于疲劳状态，则返回步骤五继续检测。
作为优选，所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤一的人脸识别技术，采用面部地标检测方法，在视频流中捕捉到帧，调整画面大小，转为灰度级，并通过人脸68点的标定操作进行人脸特征提取将68个面部特征点可视化，其中颌的特征点为1～17，眉毛的特征点为18～27，鼻子的特征点为28～36，眼睛的特征点为37～48，嘴巴的特征点为49～68。
作为优选，所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤二中的眼睛的纵横比和嘴巴的纵横比计算，将眼睛和嘴巴分别可视化，并计算出对应的a、b、c、m、n值，a为点37与点40之间的距离、点43与点48之间的距离，b为点38与点42之间的距离、点44与点48之间的距离，c为点39与点41之间的距离、点45与47之间的距离，m为点61与点65之间的距离，n为点63与点67之间的距离。
作为优选，所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤四中的纵横比阈值是通过驾驶员眼睛和嘴巴的特征计算出的纵横比来确定的，眼睛的纵横比阈值在0.2～0.4之间，嘴巴的纵横比阈值在0.7～1.O之间，所述连续长宽比小于阈值发生眨眼的帧数设置为2～4帧，连续长宽比大于阈值发生打哈欠的帧数设置为5～7帧，达到判断眨眼的最佳精度。
作为优选，所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤六中的正常标准为一个人一分钟眨眼次数为10～20，可根据个人情况，设置正常眼睛的纵横比阈值和嘴巴的纵横比阈值，将测试的每分钟为周期的眨眼次数与正常眨眼次数相比较，若测试的眨眼次数大于正常眨眼次数，进一步判断该周期内的打哈欠次数，当同时出现打哈欠状况，判断该驾驶员处于疲劳状态。当判断为疲劳状态时，启动语音报警装置2进行提醒。
一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于包括摄像头1、语音报警装置2、固定板3、云台4和视觉处理器Raspberry Pi5；固定板3设有真空吸盘，并通过螺钉与视觉处理器Raspberry Pi5相连，云台4上安装有摄像头1，并固定在固定板3上；摄像头1通过15pin的软排线与视觉处理器Raspberry Pi5的CSI接口(CMOS SENSOR INTERFACE简称)相连，所述的CSI接口是CMOS里面的一个摄像头传感架构，所述的语音报警装置2与树莓派的GPIO口(General-Purpose IO ports简称)相连，并固定在固定板3上，所述的GPIO口是通用输入输出接口。
作为优选，所述的一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于摄像头1采用Raspberry Pi红外夜视摄像头，可保证在夜间行驶时，车内亮度不佳的情况下也能正常拍摄驾驶员的头部画面。
本发明公开的一种嵌入式计算机视觉检测疲劳驾驶方法，步骤包括：拍摄驾驶员头部画面，进行人脸识别及进行人脸追踪；进行关键点定位，记录眼睛和嘴巴特征点，并将其转化为二维数组，通过公式计算眼睛和嘴巴的纵横比；根据不同驾驶员眼睛的特征，设定纵横比阈值和连续长宽比小于阈值发生眨眼的帧数和纵横比阈值和连续长宽比大于阈值发生打哈欠的帧数；通过一定周期内眨眼次数与正常标准值进行比较，结合打哈欠次数，判断驾驶员的疲劳状态，如处于疲劳状态，启动语音报警装置进行语音提示。本发明采用红外夜视摄像头，可保证在夜晚也可清晰拍摄画面，进行疲劳驾驶检测。本发明方法步骤简单，可操作性强，其装置简单，便于安装携带，可实现良好的疲劳驾驶检测。
附图说明
图1为本发明实施例的实现流程图；
图2为本发明实施例中面部特征点示意图；
图3为本发明实施例的结构示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
图1是本发明实施例的实现流程图，一种嵌入式计算机视觉检测疲劳驾驶方法，包括以下步骤：
步骤一：通过摄像头1拍摄驾驶员头部画面，利用人脸识别技术，采用检测面部地标方法，本地化图像中的脸部，并且检测到脸部上的关键面部结构，包括眉毛、眼睛、鼻子、嘴巴和颌，并通过云台4控制摄像头1进行人脸识别及追踪；
步骤二：通过关键面部特征点定位，将眼睛和嘴巴的特征点分别识别并记录，并将这些特征点坐标转化为二维数组；
步骤三：计算眼睛的纵横比其中a表示眼睛最左边点与眼睛最右边点之间的距离，b表示眼珠左上角点与眼珠左下角点之间的距离，c表示眼珠右上角点与眼珠右下角点之间的距离；计算嘴巴的纵横比m表示嘴角最左边点与最右边点之间的距离，n表示嘴巴中间最高点与最低点之间的距离；
步骤四：根据驾驶员眼睛和嘴巴的特征，设置合适的眼睛的纵横比阈值η1和嘴巴的纵横比阈值η2，并分别设置连续长宽比小于阈值发生眨眼的帧数N1和连续长宽比大于阈值发生打哈欠的帧数N2；
步骤五：判断测试得到的眼睛纵横比A是否低于眼睛的纵横比阈值η1，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N1包含的眼睛的纵横比A是否低于眼睛的纵横比阈值η1，若是，则眨眼次数加1；同时判断嘴巴的纵横比B是否高于嘴巴的纵横比阈值η2，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N2包含的嘴巴的纵横比B是否低于嘴巴的纵横比阈值η2，若是，则打哈欠次数加1；
步骤六：将检测的周期内眨眼次数与正常标准情况下比较，并结合打哈欠的次数，判断驾驶员是否处于疲劳状态，若处于疲劳状态，则启动语音报警装置；若不处于疲劳状态，则返回步骤五继续检测。
作为一种较佳的实施例，所述步骤一中的人脸识别技术，采用面部地标检测方法，在视频流中捕捉到帧，调整画面大小，转为灰度级，并通过人脸68点的标定操作进行人脸特征提取将68个面部特征点可视化，如图2所示，其中颌的特征点为1～17，眉毛的特征点为18～27，鼻子的特征点为28～36，眼睛的特征点为37～48，嘴巴的特征点为49～68。
作为一种较佳的实施例，所述步骤二中的眼睛的纵横比和嘴巴的纵横比计算，将眼睛和嘴巴分别可视化，并计算出对应的a、b、c、m、n值，a为点37与点40之间的距离、点43与点48之间的距离，b为点38与点42之间的距离、点44与点48之间的距离，c为点39与点41之间的距离、点45与47之间的距离，m为点61与点65之间的距离，n为点63与点67之间的距离。
作为一种较佳的实施例，所述步骤四中的纵横比阈值是通过驾驶员眼睛和嘴巴的特征计算出的纵横比来确定的，眼睛的纵横比阈值在0.2～0.4之间，嘴巴的纵横比阈值在0.7～1.0之间，所述连续长宽比小于阈值发生眨眼的帧数设置为2～4帧，连续长宽比大于阈值发生打哈欠的帧数设置为5～7帧。
作为一种较佳的实施例，所述步骤六中的正常标准为一个人一分钟眨眼次数为10～20，可根据个人情况，设置正常眼睛的纵横比阈值和嘴巴的纵横比阈值，将测试的每分钟为周期的眨眼次数与正常眨眼次数相比较，若测试的眨眼次数大于正常眨眼次数，进一步判断该周期内的打哈欠次数，当同时出现打哈欠状况，判断该驾驶员处于疲劳状态。
图3是本发明实施例的结构示意图，一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于包括摄像头1、语音报警装置2、固定板3、云台4和视觉处理器Raspberry Pi5；固定板3设有真空吸盘，并通过螺钉与视觉处理器Raspberry Pi5相连，云台4上安装有摄像头1，并固定在固定板3上；摄像头1通过15pin的软排线与视觉处理器Raspberry Pi5的CSI接口(CMOS SENSOR INTERFACE简称)相连，所述的CSI接口是CMOS里面的一个摄像头传感架构，所述的语音报警装置2与树莓派的GPIO口(General-Purpose IO ports简称)相连，并固定在固定板3上，所述的GPIO口是通用输入输出接口。
作为一种较佳的实施例，所述的一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于摄像头1采用Raspberry Pi红外夜视摄像头，可保证在夜间行驶时，车内亮度不佳的情况下也能正常拍摄驾驶员的头部画面。
以上所述仅为本发明的较佳实施例而已，但本发明的技术特征并不局限于此，任何本领域的技术人员在本发明的领域内，所作的变化或修饰皆涵盖在本发明的专利范围之中。

Claims (7)

1.一种嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，该方法包括以下步骤：
步骤一：通过摄像头(1)拍摄驾驶员头部画面，利用通过人脸识别技术，采用检测面部地标方法，本地化图像中的脸部，并且检测到脸部上的关键面部结构，包括眉毛、眼睛、鼻子、嘴巴和颌，并通过云台(4)控制摄像头(1)进行人脸识别及追踪；
步骤二：通过关键面部特征点定位，将眼睛和嘴巴的特征点分别识别并记录，并将这些特征点坐标转化为二维数组；
步骤三：计算眼睛的纵横比其中a表示眼睛最左边点与眼睛最右边点之间的距离，b表示眼珠左上角点与眼珠左下角点之间的距离，c表示眼珠右上角点与眼珠右下角点之间的距离；计算嘴巴的纵横比m表示嘴角最左边点与最右边点之间的距离，n表示嘴巴中间最高点与最低点之间的距离；
步骤四：根据驾驶员眼睛和嘴巴的特征，设置合适的眼睛的纵横比阈值η1和嘴巴的纵横比阈值η2，并分别设置连续长宽比小于阈值发生眨眼的帧数N1和连续长宽比大于阈值发生打哈欠的帧数N2；
步骤五：判断测试得到的眼睛纵横比A是否低于眼睛的纵横比阈值η1，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N1包含的眼睛的纵横比A是否低于眼睛的纵横比阈值η1，若是，则眨眼次数加1；同时判断嘴巴的纵横比B是否高于嘴巴的纵横比阈值η2，若是，则增加连续发生闪烁的帧数；然后判断连续帧数N2包含的嘴巴的纵横比B是否低于嘴巴的纵横比阈值η2，若是，则打哈欠次数加1；
步骤六：将检测的周期内眨眼次数与正常标准情况下比较，并结合打哈欠的次数，判断驾驶员是否处于疲劳状态，若处于疲劳状态，则启动语音报警装置；若不处于疲劳状态，则返回步骤五继续检测。
2.根据权利要求1所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤一中的人脸识别技术，采用面部地标检测方法，在视频流中捕捉到帧，调整画面大小，转为灰度级，并通过人脸68点的标定操作进行人脸特征提取将68个面部特征点可视化。
3.根据权利要求1所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤二中眼睛的特征点为36至48，嘴巴的特征点为49至68，通过特征点，可将眼睛和嘴巴分别可视化识别，并计算出对应的a、b、c、m、n值。
4.根据权利要求1所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤四中的纵横比阈值是通过驾驶员眼睛和嘴巴的特征计算出的纵横比来确定的，眼睛的纵横比阈值在0.2～0.4之间，嘴巴的纵横比阈值在0.7～1.0之间，所述连续长宽比小于阈值发生眨眼的帧数设置为2～4帧，连续长宽比大于阈值发生打哈欠的帧数设置为5～7帧。
5.根据权利要求1所述的嵌入式计算机视觉检测疲劳驾驶方法，其特征在于，所述步骤六中的正常标准为一个人一分钟眨眼次数为10～20，可根据个人情况，设置正常眼睛的纵横比阈值和嘴巴的纵横比阈值，将测试的每分钟为周期的眨眼次数与正常眨眼次数相比较，若测试的眨眼次数大于正常眨眼次数，进一步判断该周期内的打哈欠次数，当同时出现打哈欠状况，判断该驾驶员处于疲劳状态。
6.一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于包括摄像头(1)、语音报警装置(2)、固定板(3)、云台(4)和视觉处理器Raspberry Pi(5)；固定板(3)设有真空吸盘，并通过螺钉与视觉处理器Raspberry Pi(5)相连，云台(4)上安装有摄像头(1)，并固定在固定板(3)上；摄像头(1)通过15pin的软排线与视觉处理器Raspberry Pi(5)的CSI接口(CMOSSENSOR INTERFACE简称)相连，所述CSI接口是CMOS里面的一个摄像头传感架构，所述的语音报警装置(2)与树莓派的GPIO口(General-Purpose IO ports简称)相连，并固定在固定板(3)上，所述GPIO口是通用输入输出接口。
7.根据权利要求6所述的一种嵌入式计算机视觉检测疲劳驾驶装置，其特征在于摄像头(1)采用Raspberry Pi红外夜视摄像头。
CN201710863153.2A 2017-09-19 2017-09-19 一种嵌入式计算机视觉检测疲劳驾驶方法及装置 Pending CN107679468A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710863153.2A CN107679468A (zh) 2017-09-19 2017-09-19 一种嵌入式计算机视觉检测疲劳驾驶方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710863153.2A CN107679468A (zh) 2017-09-19 2017-09-19 一种嵌入式计算机视觉检测疲劳驾驶方法及装置

Publications (1)

Publication Number Publication Date
CN107679468A true CN107679468A (zh) 2018-02-09

Family

ID=61137824

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710863153.2A Pending CN107679468A (zh) 2017-09-19 2017-09-19 一种嵌入式计算机视觉检测疲劳驾驶方法及装置

Country Status (1)

Country Link
CN (1) CN107679468A (zh)

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108545080A (zh) * 2018-03-20 2018-09-18 北京理工大学 驾驶员疲劳检测方法及系统
CN108961678A (zh) * 2018-04-26 2018-12-07 华慧视科技（天津）有限公司 一种基于人脸检测驾驶员疲劳检测系统及其检测方法
CN109165630A (zh) * 2018-09-19 2019-01-08 南京邮电大学 一种基于二维人眼识别的疲劳监测方法
CN109190345A (zh) * 2018-07-25 2019-01-11 深圳点猫科技有限公司 一种基于人工智能验证登录对象的方法及其系统
CN109271875A (zh) * 2018-08-24 2019-01-25 中国人民解放军火箭军工程大学 一种基于眉部和眼部关键点信息的疲劳检测方法
CN109272764A (zh) * 2018-09-30 2019-01-25 广州鹰瞰信息科技有限公司 一种危险驾驶的提醒方法及系统
CN109447025A (zh) * 2018-11-08 2019-03-08 北京旷视科技有限公司 疲劳检测方法、装置、系统及计算机可读存储介质
CN109523749A (zh) * 2018-11-07 2019-03-26 长沙创恒机械设备有限公司 一种防疲劳驾驶的方法、设备及存储介质
CN109543577A (zh) * 2018-11-09 2019-03-29 上海物联网有限公司 一种基于面部表情特征的疲劳驾驶检测预警方法
CN109635851A (zh) * 2018-11-23 2019-04-16 武汉风行在线技术有限公司 一种基于人脸多特征融合的智能电视用户疲劳检测系统及方法
CN109770922A (zh) * 2018-12-28 2019-05-21 新大陆数字技术股份有限公司 嵌入式疲劳检测系统及方法
CN109934207A (zh) * 2019-04-15 2019-06-25 华东师范大学 基于面部表情疲劳驾驶检测算法的一种驾驶员面部的特征距离修正方法
CN109934199A (zh) * 2019-03-22 2019-06-25 扬州大学 一种基于计算机视觉的驾驶员疲劳检测方法及系统
CN110246305A (zh) * 2019-08-01 2019-09-17 肇庆学院 一种基于机器视觉的疲劳驾驶检测预警系统及方法
CN110264670A (zh) * 2019-06-24 2019-09-20 广州鹰瞰信息科技有限公司 基于客运车辆司机疲劳驾驶状态分析装置
CN110276231A (zh) * 2018-03-15 2019-09-24 厦门歌乐电子企业有限公司 一种眼睛开合度的检测装置、设备及方法
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系统
CN110991324A (zh) * 2019-11-29 2020-04-10 中通服咨询设计研究院有限公司 一种基于多种动态特征和物联网技术的疲劳驾驶检测方法
CN111104817A (zh) * 2018-10-25 2020-05-05 中车株洲电力机车研究所有限公司 一种基于深度学习的疲劳检测方法
CN111124534A (zh) * 2019-12-05 2020-05-08 深圳智锐通科技有限公司 一种智能护眼电脑
CN111179551A (zh) * 2019-12-17 2020-05-19 西安工程大学 一种危化品运输驾驶员实时监控方法
CN111985328A (zh) * 2020-07-16 2020-11-24 西安理工大学 基于面部特征分析的不安全驾驶行为检测预警方法
CN113034851A (zh) * 2021-03-11 2021-06-25 中铁工程装备集团有限公司 一种隧道掘进机主司机疲劳驾驶监测装置及方法
CN113191231A (zh) * 2021-04-21 2021-07-30 栈鹿(上海)教育科技有限公司 疲劳状态下的安全驾驶方法
CN113283318A (zh) * 2021-05-13 2021-08-20 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN113297966A (zh) * 2021-05-25 2021-08-24 郑州铁路职业技术学院 一种基于多重刺激的夜间学习方法
CN114332829A (zh) * 2021-12-06 2022-04-12 江苏航天大为科技股份有限公司 一种基于多策略的驾驶员疲劳检测方法
CN118651184A (zh) * 2024-08-19 2024-09-17 河北省高速公路延崇管理中心(河北省高速公路京雄管理中心) 一种高速公路车辆行为预测与智能控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6927694B1 (en) * 2001-08-20 2005-08-09 Research Foundation Of The University Of Central Florida Algorithm for monitoring head/eye motion for driver alertness with one camera
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系统
CN105575028A (zh) * 2014-10-15 2016-05-11 西安冉科信息技术有限公司 一种自动报警监控设备
CN106372621A (zh) * 2016-09-30 2017-02-01 防城港市港口区高创信息技术有限公司 基于人脸识别的疲劳驾驶检测方法
CN206042236U (zh) * 2016-09-19 2017-03-22 大连海洋大学 基于Raspberry Pi的BS模式家庭监控系统
CN206294243U (zh) * 2016-11-16 2017-06-30 哈尔滨理工大学 一种具有防盗报警功能的车载云台摄像机
CN107016381A (zh) * 2017-05-11 2017-08-04 南宁市正祥科技有限公司 一种快速驾驶员疲劳检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6927694B1 (en) * 2001-08-20 2005-08-09 Research Foundation Of The University Of Central Florida Algorithm for monitoring head/eye motion for driver alertness with one camera
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系统
CN105575028A (zh) * 2014-10-15 2016-05-11 西安冉科信息技术有限公司 一种自动报警监控设备
CN206042236U (zh) * 2016-09-19 2017-03-22 大连海洋大学 基于Raspberry Pi的BS模式家庭监控系统
CN106372621A (zh) * 2016-09-30 2017-02-01 防城港市港口区高创信息技术有限公司 基于人脸识别的疲劳驾驶检测方法
CN206294243U (zh) * 2016-11-16 2017-06-30 哈尔滨理工大学 一种具有防盗报警功能的车载云台摄像机
CN107016381A (zh) * 2017-05-11 2017-08-04 南宁市正祥科技有限公司 一种快速驾驶员疲劳检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周鹏飞: "驾驶员疲劳驾驶实时检测系统设计与研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *
马利红 等: "基于深度图像的室内机器人避障系统", 《浙江师范大学学报(自然科学版)》 *

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276231B (zh) * 2018-03-15 2023-11-28 厦门歌乐电子企业有限公司 一种眼睛开合度的检测装置、设备及方法
CN110276231A (zh) * 2018-03-15 2019-09-24 厦门歌乐电子企业有限公司 一种眼睛开合度的检测装置、设备及方法
CN108545080A (zh) * 2018-03-20 2018-09-18 北京理工大学 驾驶员疲劳检测方法及系统
CN108961678A (zh) * 2018-04-26 2018-12-07 华慧视科技（天津）有限公司 一种基于人脸检测驾驶员疲劳检测系统及其检测方法
CN109190345A (zh) * 2018-07-25 2019-01-11 深圳点猫科技有限公司 一种基于人工智能验证登录对象的方法及其系统
CN109271875A (zh) * 2018-08-24 2019-01-25 中国人民解放军火箭军工程大学 一种基于眉部和眼部关键点信息的疲劳检测方法
CN109271875B (zh) * 2018-08-24 2019-06-14 中国人民解放军火箭军工程大学 一种基于眉部和眼部关键点信息的疲劳检测方法
CN109165630A (zh) * 2018-09-19 2019-01-08 南京邮电大学 一种基于二维人眼识别的疲劳监测方法
CN109272764A (zh) * 2018-09-30 2019-01-25 广州鹰瞰信息科技有限公司 一种危险驾驶的提醒方法及系统
CN111104817A (zh) * 2018-10-25 2020-05-05 中车株洲电力机车研究所有限公司 一种基于深度学习的疲劳检测方法
CN109523749A (zh) * 2018-11-07 2019-03-26 长沙创恒机械设备有限公司 一种防疲劳驾驶的方法、设备及存储介质
CN109447025A (zh) * 2018-11-08 2019-03-08 北京旷视科技有限公司 疲劳检测方法、装置、系统及计算机可读存储介质
CN109447025B (zh) * 2018-11-08 2021-06-22 北京旷视科技有限公司 疲劳检测方法、装置、系统及计算机可读存储介质
CN109543577A (zh) * 2018-11-09 2019-03-29 上海物联网有限公司 一种基于面部表情特征的疲劳驾驶检测预警方法
CN109635851A (zh) * 2018-11-23 2019-04-16 武汉风行在线技术有限公司 一种基于人脸多特征融合的智能电视用户疲劳检测系统及方法
CN109770922A (zh) * 2018-12-28 2019-05-21 新大陆数字技术股份有限公司 嵌入式疲劳检测系统及方法
CN109770922B (zh) * 2018-12-28 2022-03-29 新大陆数字技术股份有限公司 嵌入式疲劳检测系统及方法
CN109934199A (zh) * 2019-03-22 2019-06-25 扬州大学 一种基于计算机视觉的驾驶员疲劳检测方法及系统
CN109934207A (zh) * 2019-04-15 2019-06-25 华东师范大学 基于面部表情疲劳驾驶检测算法的一种驾驶员面部的特征距离修正方法
CN110264670A (zh) * 2019-06-24 2019-09-20 广州鹰瞰信息科技有限公司 基于客运车辆司机疲劳驾驶状态分析装置
CN110246305A (zh) * 2019-08-01 2019-09-17 肇庆学院 一种基于机器视觉的疲劳驾驶检测预警系统及方法
CN110532976B (zh) * 2019-09-03 2021-12-31 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系统
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系统
CN110991324B (zh) * 2019-11-29 2023-06-02 中通服咨询设计研究院有限公司 一种基于多种动态特征和物联网技术的疲劳驾驶检测方法
CN110991324A (zh) * 2019-11-29 2020-04-10 中通服咨询设计研究院有限公司 一种基于多种动态特征和物联网技术的疲劳驾驶检测方法
CN111124534A (zh) * 2019-12-05 2020-05-08 深圳智锐通科技有限公司 一种智能护眼电脑
CN111179551A (zh) * 2019-12-17 2020-05-19 西安工程大学 一种危化品运输驾驶员实时监控方法
CN111985328A (zh) * 2020-07-16 2020-11-24 西安理工大学 基于面部特征分析的不安全驾驶行为检测预警方法
CN113034851A (zh) * 2021-03-11 2021-06-25 中铁工程装备集团有限公司 一种隧道掘进机主司机疲劳驾驶监测装置及方法
CN113191231A (zh) * 2021-04-21 2021-07-30 栈鹿(上海)教育科技有限公司 疲劳状态下的安全驾驶方法
CN113283318A (zh) * 2021-05-13 2021-08-20 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质
CN113297966A (zh) * 2021-05-25 2021-08-24 郑州铁路职业技术学院 一种基于多重刺激的夜间学习方法
CN114332829A (zh) * 2021-12-06 2022-04-12 江苏航天大为科技股份有限公司 一种基于多策略的驾驶员疲劳检测方法
CN118651184A (zh) * 2024-08-19 2024-09-17 河北省高速公路延崇管理中心(河北省高速公路京雄管理中心) 一种高速公路车辆行为预测与智能控制方法
CN118651184B (zh) * 2024-08-19 2024-12-20 河北省高速公路延崇管理中心(河北省高速公路京雄管理中心) 一种高速公路车辆行为预测与智能控制方法

Similar Documents

Publication Publication Date Title
CN107679468A (zh) 一种嵌入式计算机视觉检测疲劳驾驶方法及装置
CN104361332B (zh) 一种用于疲劳驾驶检测的人脸眼睛区域定位方法
CN104616438B (zh) 一种用于疲劳驾驶检测的打哈欠动作检测方法
CN110246305A (zh) 一种基于机器视觉的疲劳驾驶检测预警系统及方法
CN104238732B (zh) 侦测脸部动作以产生讯号的装置、方法以及计算机可读取纪录媒体
CN106530623A (zh) 一种疲劳驾驶检测装置及检测方法
US9662977B2 (en) Driver state monitoring system
WO2020029444A1 (zh) 一种驾驶员驾驶时注意力检测方法和系统
US9105172B2 (en) Drowsiness-estimating device and drowsiness-estimating method
CN110532976A (zh) 基于机器学习和多特征融合的疲劳驾驶检测方法及系统
CN109271875B (zh) 一种基于眉部和眼部关键点信息的疲劳检测方法
CN108108651B (zh) 基于视频人脸分析的驾驶员非专心驾驶检测方法及系统
WO2017067399A1 (zh) 一种基于图像识别的预警方法及装置
CN101814137B (zh) 基于红外眼态识别的疲劳驾驶预警系统
CN110119672A (zh) 一种嵌入式疲劳状态检测系统及方法
CN108596087B (zh) 一种基于双网络结果的驾驶疲劳程度检测回归模型
CN106295474B (zh) 船舶驾驶员的疲劳检测方法、系统和服务器
CN118587689B (zh) 驾驶员疲劳状态检测方法和系统
CN109426797B (zh) 瞌睡检测装置及其瞌睡检测方法
CN109002774A (zh) 一种基于卷积神经网络的疲劳监测装置及方法
CN111696312B (zh) 乘员观察装置
CN114492656A (zh) 一种基于计算机视觉和传感器的疲劳度监测系统
CN111797654A (zh) 驾驶员疲劳状态检测方法、装置、存储介质及移动终端
KR101669447B1 (ko) 영상 기반의 운전자 졸음 인식 시스템 및 그 인식 방법
CN105989348A (zh) 人员使用手持装置的检测方法以及系统

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: 20180209

RJ01 Rejection of invention patent application after publication