The invention provides a driver fatigue detection method and system, which includes: acquiring the driver's driving time, eye-closing time and yawning frequency based on the video data of the driver to be detected; judging that the driving time is longer than the first preset value and the eye-closing time is longer than the second preset value when the driver is known; If the default value and/or the yawning frequency are greater than the third default value, it is determined that the driver to be tested is in a fatigue driving state. The driver fatigue detection method and system provided by the invention comprehensively analyzes whether the driver is in a fatigue driving state by taking into account the driving time, the eye closing time and the yawning frequency of the driver, and improves the accuracy of the driver fatigue detection.
【技术实现步骤摘要】
驾驶员疲劳检测方法及系统
本专利技术涉及汽车主动安全
,尤其涉及一种驾驶员疲劳检测方法及系统。
技术介绍
据不完全统计,全世界每年因道路交通事故导致死亡的人数超过60万,由于驾驶员疲劳造成的交通事故至少有10万起,其中1500起重大事故,7.1万起交通事故导致人身伤害,直接经济损失达125亿美元。因此,如何及时、准确地发现并防止驾驶员的疲劳驾驶,是我们面临的重要问题。现有技术中,驾驶员的疲劳驾驶检测方法通过对驾驶员的面部特征点进行定位和跟踪,采用形状信息和局部表观特征相结合的方法,对眼睛、嘴巴等面部特征点进行由粗到精的准确定位。根据跟踪结果的置信度,建立人脸特征跟踪的跟踪策略,决定检测模块和跟踪模块的切换。最终利用眼睛和嘴巴的运动特征,对面部运动特征进行量化描述,根据优化后的时间窗长度,计算面部运动统计指标进行疲劳检测。但是,现有技术中的驾驶员疲劳检测方法,检测指标单一,不能够准确地检测出驾驶员是否真正处于疲劳驾驶状态。
技术实现思路
本专利技术的目的是提供一种驾驶员疲劳检测方法及系统,解决了现有技术中驾驶员疲劳检测方法,检测指标单一,不能够准确地检测出驾驶员是否真正处于疲劳驾驶状态的技术问题。为了解决上述技术问题,一方面,本专利技术提供一种驾驶员疲劳检测方法,包括:基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的驾车时长、闭眼时长以及打哈欠频率;若判断获知所述驾车时长大于第一预设值、所述闭眼时长超过第二预设值和/或所述打哈欠频率大于第三预设值,则确定所述待检测驾驶员处于疲劳驾驶状态。进一步地,所述基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的驾车 ...
【技术保护点】
1.一种驾驶员疲劳检测方法,其特征在于,包括:基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的驾车时长、闭眼时长以及打哈欠频率;若判断获知所述驾车时长大于第一预设值、所述闭眼时长超过第二预设值和/或所述打哈欠频率大于第三预设值,则确定所述待检测驾驶员处于疲劳驾驶状态。
【技术特征摘要】
1.一种驾驶员疲劳检测方法,其特征在于,包括:基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的驾车时长、闭眼时长以及打哈欠频率;若判断获知所述驾车时长大于第一预设值、所述闭眼时长超过第二预设值和/或所述打哈欠频率大于第三预设值,则确定所述待检测驾驶员处于疲劳驾驶状态。2.根据权利要求1所述的方法,其特征在于,所述基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的驾车时长,具体为:获取待检测驾驶员驾驶时的视频数据中的一帧图像,作为驾车时长检测图像;从所述驾车时长检测图像中提取所述驾驶员的面部特征,作为驾车时长检测面部特征;将所述驾车时长检测面部特征输入至预先获取的人脸识别模型中,输出识别结果;若判断获知所述识别结果为匹配成功,则所述驾驶员的驾车时长增加预设时间值,所述预设时间值为距离上次获取驾车时长检测图像的时间间隔。3.根据权利要求2所述的方法,其特征在于,所述获取待检测驾驶员驾驶时的视频数据中的一帧图像之前,还包括:获取待检测驾驶员驾驶时的视频数据中的多帧图像,作为样本图像;从每帧样本图像中提取所述驾驶员的面部特征,作为样本面部特征;基于所有的样本面部特征,构建所述人脸识别模型。4.根据权利要求3所述的方法,其特征在于,所述从每帧样本图像中提取所述驾驶员的面部特征,具体为:基于局部二进制编码直方图人脸识别算法从每帧样本图像中提取所述驾驶员的面部特征。5.根据权利要求1所述的方法,其特征在于,所述基于待检测驾驶员驾驶时的视频数据,获取所述驾驶员的闭眼时长,具体为:从待检测驾驶员驾驶时的视频数据中的每帧图像中提取所述驾驶员至少一只眼睛的第一特征点集合;基于所述第一特征点集合,确定所述驾驶员眼睛的睁开闭合状态;基于每帧图像中所述驾驶员眼睛的睁开闭合状态,以及帧间隔,确定所述驾驶员的闭眼时长。6.根据权利要求5所述的方法,其特征在于,所述基于所述第一特征点集合,确定所述驾驶员眼睛的睁开闭合状态,具体为:从所述...
【专利技术属性】
技术研发人员:宋红,崔玉涛,颜振松,杨健,艾丹妮,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。