CN209719572U - 一种疲劳驾驶识别控制系统 - Google Patents
一种疲劳驾驶识别控制系统 Download PDFInfo
- Publication number
- CN209719572U CN209719572U CN201920370225.4U CN201920370225U CN209719572U CN 209719572 U CN209719572 U CN 209719572U CN 201920370225 U CN201920370225 U CN 201920370225U CN 209719572 U CN209719572 U CN 209719572U
- Authority
- CN
- China
- Prior art keywords
- module
- fatigue
- identification
- subsystem
- recognition
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 230000001815 facial effect Effects 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 2
- 238000000151 deposition Methods 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 description 9
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000000887 face Anatomy 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本实用新型提出一种疲劳驾驶识别控制系统包括：视频采集模块、用于检测并识别所采集视频图像中车辆信息的车辆检测与识别子系统、用于检测人脸并识别疲劳驾驶的疲劳识别子系统、用于控制人车检测识别和数据存储传输的控制子系统、输出子系统；所述视频采集模块的输出端连接所述控制子系统的输入端；所述控制子系统的输出端与输出子系统相连；所述车辆检测与识别子系统和所述疲劳识别子系统与所述控制子系统连接；本实用新型可以实现驾驶过程中的一站式人车监管，减少工作人员工作量，提高安全行车监管效率。
Description
技术领域
本实用新型涉及智能行车安全识别领域，尤其涉及一种疲劳驾驶识别控制系统。
背景技术
近年来，随着我国汽车保有量的快速增长，交通事故频繁发生，驾驶安全是一个不可忽视的重要社会问题，其中疲劳驾驶已成为道路交通的巨大安全隐患。驾驶人员的驾驶行为是决定驾驶过程中安全性的关键因素，正规安全的驾驶行为可在很大程度上减少交通事故的发生。
现有技术中的“智能车辆”，通常是在普通车辆上增加传感器、控制器等外部设备，在遇到紧急情况时，能及时提醒驾驶员或直接替代人工操作，其作为驾驶员感官的延伸，受到其本身智能程度的限制，无法完全取代人工操作。并且，车辆上安装疲劳驾驶设备仅可用作自我提醒，缺乏交管部门的有效监管，往往达不到预定的效果。因此，提高驾驶员的自身安全意识仍是目前防范交通事故的主要方向。
实用新型内容
鉴于以上现有技术存在的问题，本实用新型提出一种疲劳驾驶识别控制系统，主要解决行车过程中驾驶员疲劳驾驶的有效识别和及时有效监管问题。
为了实现上述目的及其他目的，本实用新型采用的技术方案如下。
一种疲劳驾驶识别控制系统包括：视频采集模块、输出子系统、用于检测并识别所采集视频图像中车辆信息的车辆检测与识别子系统、用于检测人脸并识别疲劳驾驶的疲劳识别子系统和用于控制人车检测识别及数据存储传输的控制系统；
所述视频采集模块的输出端连接所述控制子系统的输入端；所述控制子系统的输出端与输出子系统的输入端连接；所述车辆检测与识别子系统和所述疲劳识别子系统与所述控制子系统连接。
可选地，所述控制子系统包括存储模块、和用于控制视频数据传输、车辆检测识别以及疲劳识别的控制模块；所述控制模块的输入端连接所述视频采集模块的输出端；所述控制模块的输出端连接所述存储模块和输出子系统。实时传输和存储相关数据，便于后续问题追溯。
可选地，所述车辆检测与识别子系统包括车辆检测模块和车辆识别模块；所述车辆检测模块的输入端连接所述控制模块的输出端，所述控制模块将视频采集模块所采集的视频进行输入；所述车辆检测模块的输出端分别连接所述车辆识别模块和所述疲劳识别子系统的输入端；所述疲劳识别子系统的输出端连接所述车辆识别模块的输入端，所述车辆识别模块的输出端连接所述控制模块的输入端。车辆检测模块用于检测由控制模块发送过来的视频图像中的车辆所处位置区域，便于获取车辆和驾驶员人脸相关信息，车辆识别模块识别车辆相关信息以协助交管部门及时跟踪存在疲劳驾驶行为的驾驶车辆。
可选地，所述的控制模块包括车辆检测与识别控制单元和疲劳识别控制单元；所述车辆检测与识别控制单元连接所述车辆检测与识别子系统；所述疲劳识别控制单元连接所述疲劳识别子系统。
可选地，所述疲劳识别子系统包括用于检测驾驶员人脸图像的人脸检测模块和用于识别疲劳驾驶的疲劳识别模块；所述人脸检测模块的输入端连接所述车辆检测模块的输出端；所述人脸检测模块的输出端连接所述疲劳识别模块的输入端；所述疲劳识别模块连接所述车辆识别模块的输入端。检测车辆区域驾驶员的人脸信息，通过对人脸部的眼睛、嘴巴相关特征进行捕捉实现人脸检测，同时获取头部中心点位置的偏移等信息，用于疲劳识别。
可选地，所述车辆识别模块包括用于识别车牌的第一识别单元和用于识别车辆颜色、车型和品牌相关信息的第二识别单元；所述第一识别单元和第二识别单元的输出端与所述控制模块的输入端相连；所述第一识别单元和第二识别单元的输入端连接所述疲劳识别模块和所述车辆检测模块的输出端。针对文字、颜色、车型及品牌采用具有针对性的识别单元，识别效率更高。
可选地，所述车辆检测模块包括SSD模型、Faster RCNN模型或DenseBox模型中的一种。所述的SSD模型、Faster RCNN模型、DenseBox模型均为现有技术中成熟的检测模型，检测精度及效率高。
可选地，所述人脸检测模块包括采用卷积神经网络训练得到的多信息检测模型。所述卷积神经网络为现有的常用卷积神经网络，得到的多信息监测模型用于检测人脸特征点及头部姿态。
可选地，所述疲劳识别模块包括脸部特征检测单元、用于对脸部特征进行疲劳状态识别的疲劳状态识别单元和用于对识别的疲劳状态数据进行评估的评估单元；所述脸部特征检测单元的输出端连接所述疲劳状态识别单元的输入端，所述疲劳状态识别单元的输出端连接所述评估单元的输入端。根据人脸检测模块提供的特征信息识别驾驶员的疲劳状态，并将疲劳状态数据时空序列化后输入评估单元，得到最终评估结果。
可选地，所述输出子系统包括预警模块和显示模块，所述预警模块和显示模块的输入端连接所述控制模块的输出端。当驾驶员疲劳驾驶时，可以通过输出子系统的显示模块实时显示，方便后端管理人员查看和响应。
如上所述，本实用新型一种疲劳驾驶识别控制系统，具有以下有益效果。
全程不需要肉眼辨认，减少工作人员的工作量；可实时反馈疲劳驾驶人员的人脸及车辆信息，便于实施有效的监管，帮助交管部门及时发现疲劳驾驶人员，维护社会秩序，保障社会和个人的利益；信息记录备案，便于追溯。
附图说明
图1为本实用新型疲劳驾驶识别控制系统的结构框图。
标号说明
1 疲劳识别子系统
1a 人脸检测模块
1b 疲劳识别模块
2 车辆检测与识别子系统
2a 车辆检测模块
2b 车辆识别模块
3 控制子系统
3a 控制模块
3b 存储模块
4 视频采集模块
5 输出子系统
5a 显示模块
5b 预警模块
具体实施方式
以下通过特定的具体实例说明本实用新型的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本实用新型的其他优点与功效。本实用新型还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本实用新型的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本实用新型的基本构想，遂图式中仅显示与本实用新型中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本实用新型提供一种疲劳驾驶识别控制系统，包括：视频采集模块4、输出子系统5、用于检测并识别所采集视频图像中车辆信息的车辆检测与识别子系统2、用于检测人脸并识别疲劳驾驶的疲劳识别子系统1和用于控制人车检测识别及数据存储传输的控制子系统3；
所述视频采集模块4的输出端连接所述控制子系统3的输入端；所述控制子系统3的输出端与输出子系统5的输入端连接；所述车辆检测与识别子系统2和所述疲劳识别子系统1与所述控制子系统3连接。
在一实施例中，所述控制子系统3包括存储模块3b和用于控制视频数据传输、车辆检测识别以及疲劳识别的控制模块3a；所述控制模块3a的输入端连接所述视频采集模块4的输出端；所述控制模块3a的输出端连接所述存储模块3b和输出子系统5。
在另一实施例中，所述视频采集模块4置于交通道路上方，通过有线或无线的方式连接控制子系统3，将实时采集的路面行车视频图像信息传输给所述控制子系统3端的控制模块3a，由控制模块3a将视频图像传输给车辆检测与识别子系统2。
在一实施例中，所述的控制模块3a包括车辆检测与识别控制单元和疲劳识别控制单元；所述车辆检测与识别控制单元连接所述车辆检测与识别子系统2；所述疲劳识别控制单元连接所述疲劳识别子系统1。
所述车辆检测与识别子系统2包括车辆识别模块2b和用于检测视频图像中车辆位置区域的车辆检测模块2a；所述车辆检测模块2a的输入端通过所述控制模块3a的车辆检测与识别控制单元将视频采集模块4所采集的视频进行输入；所述车辆检测模块2a的输出端分别连接所述车辆识别模块2b和所述疲劳识别子系统1的输入端；所述车辆识别模块2b的输入端连接所述疲劳识别子系统1的输出端，所述车辆识别模块2b的输出端连接所述控制模块3a的车辆检测与识别控制单元的的输入端。
所述车辆检测模块2a接收控制模块3a发送过来的视频图像，实时监测每一帧图像，检测出图像中存在的车辆。在另一实施例中，所述车辆检测模块2a包括SSD模型、FasterRCNN模型、DenseBox等检测模型中的一种。所述的SSD模型、Faster RCNN模型、DenseBox模型均为现有技术中成熟的检测模型，检测精度及效率高。
所述车辆检测模块2a将检测出的车辆信息发送给疲劳识别子系统1。
所述疲劳识别子系统1包括用于检测驾驶员人脸图像的人脸检测模块1a和用于识别疲劳驾驶的疲劳识别模块1b；所述人脸检测模块1a的输入端连接所述车辆检测模块2a的输出端；所述人脸检测模块1a的输出端连接所述疲劳识别模块1b的输入端；所述疲劳识别模块1b连接所述车辆识别模块2b的输入端。
所述人脸检测模块1a接收疲劳识别控制单元的控制命令，获取所述车辆检测模块2a的输出图像信息，接收车辆检测模块2a输出的图像信息，针对检测出的车辆位置区域进行人脸检测，得到驾驶员人脸和关键点信息。在另一实施例中，所述人脸检测模块1a包括采用卷积神经网络训练得到的多信息检测模型，所述卷积神经网络训练检测模型的方法为现有技术，这里不再赘述。所述多信息检测模型根据图像中的车辆位置信息，检测驾驶员人脸和关键点。
所述人脸检测模块1a将驾驶员人脸和关键点输入所述疲劳识别模块1b。在另一实施例中，所述疲劳识别模块1b包括脸部特征检测单元、用于对脸部特征进行疲劳状态识别的疲劳状态识别单元和用于对识别的疲劳状态数据进行评估的评估单元；所述脸部特征检测单元的输出端连接所述疲劳状态识别单元，所述疲劳状态识别单元的输出端连接所述评估单元的输入端。
所述脸部特征检测单元采用基于人脸特征点检测和头部姿态估计的多任务协同学习方法，根据所述关键点的先验信息完成对嘴、眼睛区域快速检测和头部中心点位移计算，所述多任务协同学习方法为成熟的现有技术。所述疲劳状态识别单元接收所述人脸特征点检测单元的输出，对嘴、眼睛图像进行状态识别，得到面部状态数据；所述评估单元根据面部状态数据评估驾驶员的疲劳状态。若判断驾驶员为疲劳驾驶，则所述评估单元发送信息触发所述车辆识别模块2b启动，所述评估单元同时将对应的人脸图像发送给疲劳识别控制单元。
所述车辆识别模块2b包括用于识别车牌的第一识别单元和用于识别车辆颜色、车型和品牌相关信息的第二识别单元；所述第一识别单元和第二识别单元的输出端与控制模块的输入端连接；所述第一识别单元和第二识别单元的输入端连接所述疲劳识别模块1b和所述车辆检测模块2a的输出端。所述第一识别单元和第二识别单元从所述车辆检测模块2a的输出中获取车辆图像信息，识别出车辆的车牌、颜色、车型和品牌等相关信息，发送给控制模块3a的车辆检测与识别控制单元。
所述输出子系统包括预警模块和显示模块，所述预警模块和显示模块的输入端连接所述控制模块的输出端。
所述控制模块3a获取识别结果后，将疲劳驾驶员及对应车辆信息通过输出子系统5实时显示，方便后端管理人员及时处理；同时将上述信息发送给存储模块3b记录存档，方便日后追溯。
在另一实施例中，所述预警模块可设置在车辆上，所述预警模块用于接收控制子系统的预警信号，提醒驾驶员安全驾驶。所述输出子系统还可包括安装于车载设备上或手机端的客户端，可实时接收安全提醒信息，凡是与驾驶员关联的账号均可接收安全提醒信息，提示驾驶员疲劳驾驶。
综上所述，本实用新型一种疲劳驾驶识别控制系统，实现驾驶过程一站式人车监管，实时返回疲劳驾驶人员的人脸和车辆信息，且能高效、快速、准确地识别疲劳驾驶，帮助交通管理部门及时发现问题，维护社会秩序，保障社会和个人的利益。所以，本实用新型有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本实用新型的原理及其功效，而非用于限制本实用新型。任何熟悉此技术的人士皆可在不违背本实用新型的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本实用新型所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本实用新型的权利要求所涵盖。
Claims (10)
1.一种疲劳驾驶识别控制系统，其特征在于，包括：视频采集模块、输出子系统、用于检测并识别所采集视频图像中车辆信息的车辆检测与识别子系统、用于检测人脸并识别疲劳驾驶的疲劳识别子系统和用于控制人车检测识别及数据存储传输的控制子系统；
所述视频采集模块的输出端连接所述控制子系统的输入端；所述控制子系统的输出端与输出子系统的输入端连接；所述车辆检测与识别子系统和所述疲劳识别子系统与所述控制子系统连接。
2.根据权利要求1所述的疲劳驾驶识别控制系统，其特征在于，所述控制子系统包括存储模块、和用于控制视频数据传输、车辆检测识别以及疲劳识别的控制模块；所述控制模块的输入端连接所述视频采集模块的输出端；所述控制模块的输出端连接所述存储模块和输出子系统。
3.根据权利要求1所述的疲劳驾驶识别控制系统，其特征在于，所述车辆检测与识别子系统包括车辆检测模块和车辆识别模块；所述车辆检测模块的输入端连接所述控制模块的输出端；所述车辆检测模块的输出端分别连接所述车辆识别模块和所述疲劳识别子系统的输入端；所述疲劳识别子系统的输出端连接所述车辆识别模块的输入端，所述车辆识别模块的输出端连接所述控制模块的输入端。
4.根据权利要求2所述的疲劳驾驶识别控制系统，其特征在于，所述的控制模块包括车辆检测与识别控制单元和疲劳识别控制单元；所述车辆检测与识别控制单元连接所述车辆检测与识别子系统；所述疲劳识别控制单元连接所述疲劳识别子系统。
5.根据权利要求1所述的疲劳驾驶识别控制系统，其特征在于，所述疲劳识别子系统包括用于检测驾驶员人脸图像的人脸检测模块和用于识别疲劳驾驶的疲劳识别模块；所述人脸检测模块的输入端连接所述车辆检测模块的输出端；所述人脸检测模块的输出端连接所述疲劳识别模块的输入端；所述疲劳识别模块连接所述车辆识别模块的输入端。
6.根据权利要求3所述的疲劳驾驶识别控制系统，其特征在于，所述车辆识别模块包括用于识别车牌的第一识别单元和用于识别车辆颜色、车型和品牌相关信息的第二识别单元；所述第一识别单元和第二识别单元的输出端与所述控制模块的输入端相连；所述第一识别单元和第二识别单元的输入端连接所述疲劳识别模块和所述车辆检测模块的输出端。
7.根据权利要求3所述的疲劳驾驶识别控制系统，其特征在于，所述车辆检测模块包括SSD模型、Faster RCNN模型或DenseBox模型中的一种。
8.根据权利要求5所述的疲劳驾驶识别控制系统，其特征在于，所述人脸检测模块包括采用卷积神经网络训练得到的多信息检测模型。
9.根据权利要求5所述的疲劳驾驶识别控制系统，其特征在于，所述疲劳识别模块包括脸部特征检测单元、用于对脸部特征进行疲劳状态识别的疲劳状态识别单元和用于对识别的疲劳状态数据进行评估的评估单元；所述脸部特征检测单元的输出端连接所述疲劳状态识别单元的输入端，所述疲劳状态识别单元的输出端连接所述评估单元的输入端。
10.根据权利要求1或2任一所述的疲劳驾驶识别控制系统，其特征在于，所述输出子系统包括预警模块和显示模块，所述预警模块和显示模块的输入端连接所述控制模块的输出端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920370225.4U CN209719572U (zh) | 2019-03-22 | 2019-03-22 | 一种疲劳驾驶识别控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201920370225.4U CN209719572U (zh) | 2019-03-22 | 2019-03-22 | 一种疲劳驾驶识别控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN209719572U true CN209719572U (zh) | 2019-12-03 |
Family
ID=68687942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201920370225.4U Expired - Fee Related CN209719572U (zh) | 2019-03-22 | 2019-03-22 | 一种疲劳驾驶识别控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN209719572U (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243236A (zh) * | 2020-01-17 | 2020-06-05 | 南京邮电大学 | 一种基于深度学习的疲劳驾驶预警方法及系统 |
-
2019
- 2019-03-22 CN CN201920370225.4U patent/CN209719572U/zh not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111243236A (zh) * | 2020-01-17 | 2020-06-05 | 南京邮电大学 | 一种基于深度学习的疲劳驾驶预警方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108216252B (zh) | 一种地铁司机车载驾驶行为分析方法、车载终端及系统 | |
| CN105070053B (zh) | 一种识别车辆违规运动模式的智能交通监控摄像机 | |
| CN108791299A (zh) | 一种基于视觉的驾驶疲劳检测及预警系统及方法 | |
| CN115179960B (zh) | 一种多源数据采集人车状态综合监测系统及方法 | |
| CN204087490U (zh) | 一种基于机器视觉的疲劳预警系统 | |
| Zhao et al. | Research on fatigue detection based on visual features | |
| CN203242026U (zh) | 一种学生宿舍管理系统 | |
| CN109094574B (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
| CN109034120B (zh) | 面向智能设备自主行为的场景理解方法 | |
| Ramli et al. | Raspberry pi based driver drowsiness detection system using convolutional neural network (cnn) | |
| CN114332159B (zh) | 一种基于目标追踪算法的行人违规翻越护栏的预警方法、系统、装置以及存储介质 | |
| CN104299363A (zh) | 基于多特征融合的疲劳驾驶预警系统 | |
| CN112036341A (zh) | 列车司机行为识别分析装置及方法 | |
| CN111179551A (zh) | 一种危化品运输驾驶员实时监控方法 | |
| CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
| CN115512511A (zh) | 一种预警方法、装置、移动终端及可读存储介质 | |
| CN209719572U (zh) | 一种疲劳驾驶识别控制系统 | |
| CN207433287U (zh) | 一种基于驾驶员生理参数的疲劳驾驶检测系统 | |
| CN114550951B (zh) | 一种快速就医处理方法、装置、计算机设备及存储介质 | |
| CN205408036U (zh) | 一种基于视觉跟踪的车辆监控系统 | |
| CN115146830A (zh) | 一种智能识别路人打车意图的方法、系统及其车辆 | |
| Himaswi et al. | Deep Learning-Based Drowsiness Detection System Using IoT | |
| CN113379247A (zh) | 企业安全隐患追踪模型的建模方法及系统 | |
| CN116824558A (zh) | 一种面向3d点云图像数据的疲劳驾驶行为识别方法 | |
| Ding et al. | A learnable end-edge-cloud cooperative network for driving emotion sensing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191203 |