JP2021026748A - マシンビジョンに基づく過労運転検出警告システム及び方法 - Google Patents
マシンビジョンに基づく過労運転検出警告システム及び方法 Download PDFInfo
- Publication number
- JP2021026748A JP2021026748A JP2019223762A JP2019223762A JP2021026748A JP 2021026748 A JP2021026748 A JP 2021026748A JP 2019223762 A JP2019223762 A JP 2019223762A JP 2019223762 A JP2019223762 A JP 2019223762A JP 2021026748 A JP2021026748 A JP 2021026748A
- Authority
- JP
- Japan
- Prior art keywords
- driver
- overworked
- module
- driving
- central processing
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001815 facial effect Effects 0.000 claims abstract description 94
- 230000007613 environmental effect Effects 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 4
- 229910052739 hydrogen Inorganic materials 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 2
- 210000003128 head Anatomy 0.000 description 9
- 238000007796 conventional method Methods 0.000 description 8
- 206010039203 Road traffic accident Diseases 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000004807 localization Effects 0.000 description 4
- 230000002459 sustained effect Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
-
- 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
-
- 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
-
- 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
- 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
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Ophthalmology & Optometry (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
環境パラメータ収集モジュールは、車内の環境パラメータを収集し、中央処理モジュールに送信し、
中央処理モジュールは、車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定し、ドライバーの運転時間を参照運転時間閾値と比較して、ドライバーの運転時間が参照運転時間閾値を超えると、ドライバーが過労運転状態にあると判定する。
空気質検出センサーは、CO濃度センサー、CO2濃度センサー、PM2.5センサーのうちの1種類又は数種類を含む。
式中、D′は、現在の環境での参照運転時間閾値であり、D0は、標準車内環境パラメータでの運転時間閾値であり、AQ、H、T、Pは、それぞれ現在の環境での空気質係数、車内湿度、車内温度及び車内気圧であり、AQ0は、標準車内環境パラメータでの空気質係数、車内湿度、車内温度及び車内気圧であり、α、β、γは、重み係数であり、α+β+γ=1を満たす。
(1)受信した連続Mフレームの顔面動画に対してグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)顔面画像に対して目を特定し、目の6つの特徴点をマーキングして、マーキングされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動する。
前記Mフレームの顔面動画のうち、少なくとも1フレームの顔面動画における目のアスペクト比が予め設定された目のアスペクト比より小さいと、該ドライバーが過労運転していると判定し、このときに警告モジュールが警報を発して注意喚起を行うように駆動する。
中央処理モジュールは、ドライバーの運転時間を取得するための運転時間取得モジュールから送信されたドライバーの運転時間を受信するステップと、
中央処理モジュールは、ドライバーの運転時間に基づいて、ドライバーの運転状態を判断し、ドライバーが過労運転状態にあると判定すると、顔面動画収集モジュールがドライバーの顔面動画を収集するように駆動するステップと、
中央処理モジュールは、顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動するステップと、を含む。
中央処理モジュールは、車内に設置されて車内の環境パラメータを収集するための環境パラメータ収集モジュールにより収集された車内の環境パラメータを受信するステップと、
中央処理モジュールは、車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定し、ドライバーの運転時間を参照運転時間閾値と比較して、ドライバーの運転時間が参照運転時間閾値を超えると、ドライバーが過労運転状態にあると判定するステップと、を含む。
中央処理モジュールは、顔面動画画像を受信して、受信した顔面動画画像に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動するステップは、具体的には、
(1)受信した連続Mフレームの顔面動画画像に対してグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)顔面画像について目を特定し、目の6つの特徴点をマーキングして、マークされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動する。
空気質検出センサーは、CO濃度センサー、CO2濃度センサー、PM2.5センサーのうちの1種類又は数種類を含む。
式中、D′は、現在の環境での参照運転時間閾値であり、D0は、標準車内環境パラメータでの運転時間閾値であり、AQ、H、T、Pは、それぞれ現在の環境での空気質係数、車内湿度、車内温度及び車内気圧であり、AQ0は、標準標準車内環境パラメータでの空気質係数、車内湿度、車内温度及び車内気圧であり、α、β、γは、重み係数であり、α+β+γ=1を満たす。好ましくは、標準車内環境パラメータでの運転時間閾値D0は、4時間である。
(1)受信した連続Mフレームの顔面動画に対してグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)顔面画像について目を特定し、目の6つの特徴点をマーキングして(図3参照)、マークされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュール4が警報を発して注意喚起を行うように駆動する。好ましくは、該警告モジュール4は、音声アラームであり、ドライバーが過労運転状態にある場合、音声放送方式で、過労運転しないように車を止めて休憩するようにドライバーを促す。
中央処理モジュール5は、車内に設置されて車内の環境パラメータを収集するための環境パラメータ収集モジュールにより収集された車内の環境パラメータを受信するステップと、
中央処理モジュール5は、車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定し、ドライバーの運転時間を参照運転時間閾値と比較して、ドライバーの運転時間が参照運転時間閾値を超えると、ドライバーが過労運転状態にあると判定するステップと、
中央処理モジュール5は、該ドライバーが連続的に運転する時間であるドライバーの運転時間を取得するための運転時間取得モジュール2から送信されたドライバーの運転時間を受信するステップと、
中央処理モジュール5は、ドライバーの運転時間に基づいて、ドライバーの運転状態を判断し、ドライバーが過労運転状態にあると判定すると、顔面動画収集モジュール3がドライバーの顔面動画を収集するように駆動するステップと、
中央処理モジュール5は、顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動するステップと、を含む。
中央処理モジュール5は、顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュールが警報を発して注意喚起を行うように駆動するステップは、具体的には、
(1)受信した連続Mフレームの顔面動画についてグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)顔面画像について目を特定し、目の6つの特徴点をマーキングして、マークされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、警告モジュール4が警報を発して注意喚起を行うように駆動する。
運転時間取得モジュール2
顔面動画収集モジュール3
警告モジュール4
中央処理モジュール5
Claims (10)
- マシンビジョンに基づく過労運転検出警告システムであって、
運転時間取得モジュール、中央処理モジュール、顔面動画収集モジュール及び警告モジュールを備え、前記運転時間取得モジュール、顔面動画収集モジュール、警告モジュールは、すべて中央処理モジュールに接続され、
前記運転時間取得モジュールは、ドライバーの運転時間を取得して、前記中央処理モジュールに送信することに用いられ、
前記中央処理モジュールは、前記ドライバーの運転時間に基づいて、ドライバーの運転状態を判断し、ドライバーが過労運転状態にあると判定すると、前記顔面動画収集モジュールがドライバーの顔面動画を収集するように駆動し、
前記中央処理モジュールは、前記顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動することを特徴とするマシンビジョンに基づく過労運転検出警告システム。 - 自動車の内部に設置された環境パラメータ収集モジュールをさらに備え、
前記環境パラメータ収集モジュールは、車内の環境パラメータを収集し、前記中央処理モジュールに送信することに用いられ、
前記中央処理モジュールは、前記車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定し、前記ドライバーの運転時間を参照運転時間閾値と比較して、前記ドライバーの運転時間が前記参照運転時間閾値を超えると、ドライバーが過労運転状態にあると判定することを特徴とする請求項1に記載の過労運転検出警告システム。 - 前記環境パラメータ収集モジュールは、空気質検出センサーユニット、湿度センサーユニット、温度センサーユニット及び気圧センサーユニットを備え、
前記空気質検出センサーは、CO濃度センサー、CO2濃度センサー、PM2.5センサーのうちの1種又は複数種を含むことを特徴とする請求項2に記載の過労運転検出警告システム。 - 前記中央処理モジュールでは、前記した前記車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定することは、具体的には、下記式により現在の環境での参照運転時間閾値を決定することを利用し、
式中、D′は、現在の環境での参照運転時間閾値であり、D0は、標準車内環境パラメータでの運転時間閾値であり、AQ、H、T、Pは、それぞれ現在の環境での空気質係数、車内湿度、車内温度及び車内気圧であり、AQ0は、標準車内環境パラメータでの空気質係数、車内湿度、車内温度及び車内気圧であり、α、β、γは、重み係数であり、α+β+γ=1を満たすことを特徴とする請求項3に記載の過労運転検出警告システム。 - 前記中央処理モジュールは、前記顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動することは、具体的には、
(1)受信した連続Mフレームの顔面動画に対してグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)前記顔面画像について目を特定し、目の6つの特徴点をマーキングして、マークされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動することを特徴とする請求項1に記載の過労運転検出警告システム。 - 前記算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断することは、具体的には、
前記Mフレームの顔面動画のうち、少なくとも1フレームの顔面動画における目のアスペクト比が予め設定された目のアスペクト比より小さいと、該ドライバーが過労運転していると判定し、このときに前記警告モジュールが警報を発して注意喚起を行うように駆動することを特徴とする請求項5に記載の過労運転検出警告システム。 - マシンビジョンに基づく過労運転検出警告方法であって、
中央処理モジュールは、ドライバーの運転時間を取得するための運転時間取得モジュールから送信されたドライバーの運転時間を受信するステップと、
前記中央処理モジュールは、前記ドライバーの運転時間に基づいて、ドライバーの運転状態を判断し、ドライバーが過労運転状態にあると判定すると、前記顔面動画収集モジュールがドライバーの顔面動画を収集するように駆動するステップと、
前記中央処理モジュールは、前記顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動するステップとを含むことを特徴とするマシンビジョンに基づく過労運転検出警告方法。 - 前記中央処理モジュールは、車内に設置されて車内の環境パラメータを収集するための環境パラメータ収集モジュールにより収集された車内の環境パラメータを受信するステップと、
前記中央処理モジュールは、前記車内の環境パラメータに基づいて、現在の環境での参照運転時間閾値を決定し、前記ドライバーの運転時間を参照運転時間閾値と比較して、前記ドライバーの運転時間が前記参照運転時間閾値を超えると、ドライバーが過労運転状態にあると判定するステップとを含むことを特徴とする請求項7に記載の過労運転検出警告方法。 - 前記中央処理モジュールは、前記顔面動画を受信して、受信した顔面動画に基づいてドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動するステップは、具体的には、
(1)受信した連続Mフレームの顔面動画に対してグレースケール化処理を順次行い、顔認識を行って、顔面画像を抽出し、ここで、Mは、予め設定されたフレーム数であり、
(2)前記顔面画像について目を特定し、目の6つの特徴点をマーキングして、マークされた目の6つの特徴点に基づいて、下記式により目のアスペクト比を計算し、
式中、EARは、目のアスペクト比であり、ρD1、D4は、D1、D4の2点のユークリッド距離であり、ρD2、D6は、D2、D6の2点のユークリッド距離であり、ρD3、D5は、D3、D5の2点のユークリッド距離であり、
(3)算出された目のアスペクト比に基づいて、ドライバーが過労運転しているか否かを判断し、ドライバーが過労運転していると判定すると、前記警告モジュールが警報を発して注意喚起を行うように駆動することを特徴とする請求項7に記載の過労運転検出警告方法。 - コンピュータープログラムであって、
コンピューターに請求項7−9のいずれか1項に記載の前記過労運転検出警告方法を実行させることを特徴とするコンピュータープログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910708314.X | 2019-08-01 | ||
CN201910708314.XA CN110246305A (zh) | 2019-08-01 | 2019-08-01 | 一种基于机器视觉的疲劳驾驶检测预警系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6784424B1 JP6784424B1 (ja) | 2020-11-11 |
JP2021026748A true JP2021026748A (ja) | 2021-02-22 |
Family
ID=67893821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019223762A Expired - Fee Related JP6784424B1 (ja) | 2019-08-01 | 2019-12-11 | マシンビジョンに基づく過労運転検出警告システム及び方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6784424B1 (ja) |
CN (1) | CN110246305A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705373A (zh) * | 2021-08-10 | 2021-11-26 | 苏州莱布尼茨智能科技有限公司 | 一种可调节自适应强的驾驶员面部表情识别系统 |
CN114475620A (zh) * | 2022-01-26 | 2022-05-13 | 南京科融数据系统股份有限公司 | 用于款箱押运系统的驾驶员验证方法及系统 |
CN115892051A (zh) * | 2023-03-08 | 2023-04-04 | 禾多科技(北京)有限公司 | 自动驾驶辅助公共道路测试方法及系统 |
CN117549915A (zh) * | 2024-01-12 | 2024-02-13 | 常州海图信息科技股份有限公司 | 一种矿用司机驾驶行为监控装置及方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111016915B (zh) * | 2019-12-10 | 2024-10-29 | 西安工业大学 | 基于人脸多特征的驾驶行为判别预警装置及实现方法 |
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 |
CN111408011A (zh) * | 2020-04-02 | 2020-07-14 | 广州菩声音响设备有限公司 | 一种基于云平台的蒸汽提神及co气体探测装置 |
CN112985436A (zh) * | 2021-01-25 | 2021-06-18 | 何桂香 | 一种基于大数据的物流车辆车载导航系统 |
CN113378734A (zh) * | 2021-06-18 | 2021-09-10 | 杭州海亮优教教育科技有限公司 | 一种基于ai技术的疲劳驾驶检测与预警系统及终端 |
CN113256273A (zh) * | 2021-06-27 | 2021-08-13 | 赣州德业电子科技有限公司 | 一种预防塔机司机疲劳作业的监测系统 |
CN113537135A (zh) * | 2021-07-30 | 2021-10-22 | 三一重机有限公司 | 一种驾驶监测方法、装置、系统及可读存储介质 |
CN113619386A (zh) * | 2021-08-19 | 2021-11-09 | 四川轻化工大学 | 一种基于嵌入式的多维感知驾驶员安全辅助和报警系统 |
CN113689664A (zh) * | 2021-08-26 | 2021-11-23 | 哈尔滨泰展达科技开发有限公司 | 一种红外设施预警系统 |
CN115578834A (zh) * | 2022-06-06 | 2023-01-06 | 江苏智通科技技术有限公司 | 一种获取司机驾驶状态的判断方法及判断装置 |
CN114898444A (zh) * | 2022-06-07 | 2022-08-12 | 嘉兴锐明智能交通科技有限公司 | 基于人脸关键点检测的疲劳驾驶监测方法、系统及设备 |
CN115100635A (zh) * | 2022-06-10 | 2022-09-23 | 广州大学 | 一种融合口罩佩戴的疲劳驾驶人脸识别方法 |
CN115359627A (zh) * | 2022-08-11 | 2022-11-18 | 安徽虹湾信息技术有限公司 | 一种疲劳驾驶车辆稽查告警系统及方法 |
CN116035579B (zh) * | 2023-03-06 | 2023-08-25 | 中国人民解放军海军特色医学中心 | 一种舰船驾驶人员疲劳评估系统及方法 |
CN116110193B (zh) * | 2023-03-29 | 2023-07-21 | 中国铁塔股份有限公司 | 一种智能看护方法、装置、电子设备及存储介质 |
CN116439710B (zh) * | 2023-04-11 | 2023-10-20 | 中国人民解放军海军特色医学中心 | 一种基于生理信号的舰船驾驶员疲劳检测系统及方法 |
CN116587985A (zh) * | 2023-05-19 | 2023-08-15 | 浙江极氪智能科技有限公司 | 驾驶员长时间观察后视装置的报警系统、方法及车辆 |
CN116587980A (zh) * | 2023-06-02 | 2023-08-15 | 无锡车联天下信息技术有限公司 | 一种基于蜂窝数据的域控制器 |
CN118644843B (zh) * | 2024-08-15 | 2024-12-17 | 北京启辰智达科技有限公司 | 一种司机值乘状态监测预警系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012252498A (ja) * | 2011-06-02 | 2012-12-20 | Nissan Motor Co Ltd | ふらつき運転報知装置 |
JP2016115117A (ja) * | 2014-12-15 | 2016-06-23 | アイシン精機株式会社 | 判定装置および判定方法 |
JP2017148604A (ja) * | 2015-07-22 | 2017-08-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 覚醒度予測方法および覚醒度予測装置 |
JP2018151765A (ja) * | 2017-03-10 | 2018-09-27 | オムロン株式会社 | 視認支援装置、方法およびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106652378A (zh) * | 2015-11-02 | 2017-05-10 | 比亚迪股份有限公司 | 用于车辆的驾驶提醒方法、系统、服务器和车辆 |
CN106448061A (zh) * | 2016-11-01 | 2017-02-22 | 合肥洛维信息科技有限公司 | 一种用于驾驶员疲劳驾驶的监测系统 |
CN107679468A (zh) * | 2017-09-19 | 2018-02-09 | 浙江师范大学 | 一种嵌入式计算机视觉检测疲劳驾驶方法及装置 |
CN207274424U (zh) * | 2017-10-23 | 2018-04-27 | 杭州龙创汽车技术有限公司 | 一种疲劳驾驶警报系统 |
CN107977607A (zh) * | 2017-11-20 | 2018-05-01 | 安徽大学 | 一种基于机器视觉的疲劳驾驶监测方法 |
CN108790816A (zh) * | 2018-05-24 | 2018-11-13 | 安徽中科中涣防务装备技术有限公司 | 一种公交车驾驶区安全综合电子围栏系统 |
CN109919049A (zh) * | 2019-02-21 | 2019-06-21 | 北京以萨技术股份有限公司 | 基于深度学习人脸姿态估计的疲劳检测方法 |
-
2019
- 2019-08-01 CN CN201910708314.XA patent/CN110246305A/zh active Pending
- 2019-12-11 JP JP2019223762A patent/JP6784424B1/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012252498A (ja) * | 2011-06-02 | 2012-12-20 | Nissan Motor Co Ltd | ふらつき運転報知装置 |
JP2016115117A (ja) * | 2014-12-15 | 2016-06-23 | アイシン精機株式会社 | 判定装置および判定方法 |
JP2017148604A (ja) * | 2015-07-22 | 2017-08-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 覚醒度予測方法および覚醒度予測装置 |
JP2018151765A (ja) * | 2017-03-10 | 2018-09-27 | オムロン株式会社 | 視認支援装置、方法およびプログラム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705373A (zh) * | 2021-08-10 | 2021-11-26 | 苏州莱布尼茨智能科技有限公司 | 一种可调节自适应强的驾驶员面部表情识别系统 |
CN113705373B (zh) * | 2021-08-10 | 2023-12-26 | 江苏钮玮动力科技有限公司 | 一种可调节自适应强的驾驶员面部表情识别系统 |
CN114475620A (zh) * | 2022-01-26 | 2022-05-13 | 南京科融数据系统股份有限公司 | 用于款箱押运系统的驾驶员验证方法及系统 |
CN114475620B (zh) * | 2022-01-26 | 2024-03-12 | 南京科融数据系统股份有限公司 | 用于款箱押运系统的驾驶员验证方法及系统 |
CN115892051A (zh) * | 2023-03-08 | 2023-04-04 | 禾多科技(北京)有限公司 | 自动驾驶辅助公共道路测试方法及系统 |
CN117549915A (zh) * | 2024-01-12 | 2024-02-13 | 常州海图信息科技股份有限公司 | 一种矿用司机驾驶行为监控装置及方法 |
CN117549915B (zh) * | 2024-01-12 | 2024-03-19 | 常州海图信息科技股份有限公司 | 一种矿用司机驾驶行为监控装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6784424B1 (ja) | 2020-11-11 |
CN110246305A (zh) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6784424B1 (ja) | マシンビジョンに基づく過労運転検出警告システム及び方法 | |
CN107679468A (zh) | 一种嵌入式计算机视觉检测疲劳驾驶方法及装置 | |
CN101593425B (zh) | 一种基于机器视觉的疲劳驾驶监控方法及系统 | |
CN104183091B (zh) | 一种自适应调整疲劳驾驶预警系统灵敏度的系统 | |
CN106846734B (zh) | 一种疲劳驾驶检测装置及方法 | |
US8164463B2 (en) | Driver management apparatus and travel management system | |
CN101916496B (zh) | 一种司机驾驶姿势检测的系统和方法 | |
CN101032405A (zh) | 基于全方位计算机视觉的安全驾驶辅助装置 | |
CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
CN104361716A (zh) | 实时检测疲劳并提醒的方法 | |
CN208126407U (zh) | 基于软硬件协同图像处理的防疲劳驾驶系统 | |
CN115171024A (zh) | 一种基于视频序列的面部多特征融合疲劳检测方法及系统 | |
CN108021875A (zh) | 一种车辆驾驶员个性化疲劳监测及预警方法 | |
CN115393830A (zh) | 一种基于深度学习与面部特征的疲劳驾驶检测方法 | |
CN107909772A (zh) | 一种智能化车载疲劳监测方法 | |
CN101178769B (zh) | 健康保护装置及其实现方法 | |
CN112241645A (zh) | 一种疲劳驾驶检测方法及其系统、电子设备 | |
CN118587689B (zh) | 驾驶员疲劳状态检测方法和系统 | |
Valsan et al. | Monitoring driver’s drowsiness status at night based on computer vision | |
CN106446822B (zh) | 基于圆拟合的眨眼检测方法 | |
CN113744499B (zh) | 一种疲劳预警方法、眼镜、系统和计算机可读存储介质 | |
CN108304745A (zh) | 一种驾驶员驾驶行为检测方法、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 | |
CN106384096B (zh) | 一种基于眨眼检测的疲劳驾驶监测方法 | |
CN211509165U (zh) | 一种车载监控摄像头 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191211 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20191211 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20191227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200803 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200803 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200824 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200914 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201013 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6784424 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |