用于疲劳驾驶预警系统的补光系统的智能控制方法和系统技术方案

本发明专利技术公开了一种用于疲劳驾驶预警系统的补光系统的智能控制方法，包括：分析采集的光线强度，判断工作时段，所述工作时段包括白天或者夜晚；采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜；对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天‑未佩戴眼镜、白天‑配戴眼镜、白天‑佩戴墨镜、夜晚四种模式；根据工况模式控制补光系统的工作状态。可以判断不同的工况模式，根据不同的工况模式智能控制补光系统，在保证高精度识别的同时，减少能量损耗、降低对驾驶员干扰。

Intelligent control method and system for supplementary lighting system for fatigue driving warning system

The invention discloses an intelligent control method for a light supply system for fatigue driving early warning system, which includes: analyzing the intensity of the light and judging the working period, the working period includes day or night, and using the depth learning algorithm to analyze the collected face images and extract the features of the eye area. The first classifier is trained to identify whether the driver wears glasses or whether the second classifier is trained to identify the common glasses or ink glasses. During the day, wearing glasses, wearing sunglasses during the day and four modes at night, according to the working mode, the working state of the lighting system is controlled. It can judge the different mode of working condition and control the light system according to the different mode of working mode. It can reduce the energy loss and reduce the interference to the driver while ensuring the high precision recognition.

【技术实现步骤摘要】
用于疲劳驾驶预警系统的补光系统的智能控制方法和系统
本专利技术涉及一种疲劳驾驶预警系统的补光系统，具体地涉及一种用于疲劳驾驶预警系统的补光系统的智能控制方法和系统。
技术介绍
疲劳驾驶是交通事故发生的重要诱因之一。驾驶员在疲劳时，对周围环境的感知能力、形势判断能力和对车辆的操控能力都大幅度降低，极容易发生交通事故，造成严重的人员伤亡与巨大的经济损失。据中国交通部的统计,我国车祸有20％以上是由疲劳驾驶导致的，因此，驾驶员疲劳驾驶识别技术是目前车辆主动安全技术研究中的重要方向，而在现有技术中，基于机器识别的识别方法（即通过摄像头采集驾驶员面部图像，通过表情理解算法判断驾驶员是否疲劳）是识别精度较高、实用性较强和用户接受度较高的一种，基于机器视觉的疲劳驾驶预警系统也成为当前市场主流的疲劳预警产品。在基于机器视觉的疲劳驾驶预警系统中，为了降低外界环境光变化及驾驶员配戴眼镜或墨镜对识别系统的干扰，通常会配置红外补光灯，并在摄像头前方加装一片近红外滤光片，只让近红外光参与成像，这种方法虽然保证了在以上各种情况下系统对驾驶员眼部图像的正常采集，但是也存在一定的弊端：第一，现有产品红外灯的设置一般是全天候保持同一功率打开，以保证驾驶员在白天/夜晚多种不同光照环境、或者配戴了眼镜或墨镜等不同驾驶情况下都能被精确识别，此时红外灯开启不仅会造成能源浪费，红外灯的红点还会引发驾驶员抵触心理，造成驾驶员眼睛干涩。第二，驾驶员配戴眼镜或墨镜两种情况对光线过滤的需求不一样。
技术实现思路
为了解决上述技术问题，本专利技术提出了一种用于疲劳驾驶预警系统的补光系统的智能控制系统和方法，可以判断不同的工况模式，根据不同的工况模式智能控制补光系统，使系统在保证高精度识别的同时，最大限度减少能量损耗、降低对驾驶员干扰。本专利技术所采用的技术方案是：一种用于疲劳驾驶预警系统的补光系统的智能控制方法，包括以下步骤：S01：分析采集的光线强度，判断工作时段，所述工作时段包括白天或者夜晚；S02：采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜；S03：对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天-未佩戴眼镜、白天-配戴眼镜、白天-佩戴墨镜、夜晚四种模式；S04：根据工况模式控制补光系统的工作状态。优选的技术方案中，所述步骤S01中，当光线强度＞阈值T时，判断工作时段为白天；当光线强度≤阈值T时，判断工作时段为夜晚。优选的技术方案中，所述步骤S04具体包括，当工况模式为白天-未佩戴眼镜时，关闭补光系统；当工况模式为白天-配戴眼镜或夜晚时，控制补光系统小功率运行；当工况模式为白天-配戴墨镜时，控制补光系统大功率运行。本专利技术还公开了一种用于疲劳驾驶预警系统的补光系统的智能控制系统，包括图像采集模块、光线检测模块、信息识别处理模块和补光系统；所述图像采集模块，用于采集驾驶员的人脸图像；所述光线检测模块，用于采集光线强度；所述信息识别处理模块包括工作时段识别判断模块、眼镜识别深度学习模块、识别数据融合分析模块和补光控制模块；所述工作时段识别判断模块，分析采集的光线强度，判断工作时段，所述工作时段包括白天或者夜晚；所述眼镜识别深度学习模块，采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜；所述识别数据融合分析模块，对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天-未佩戴眼镜、白天-配戴眼镜、白天-佩戴墨镜、夜晚四种模式；所述补光控制模块，根据工况模式控制补光系统的工作状态。优选的技术方案中，当光线强度＞阈值T时，判断工作时段为白天；当光线强度≤阈值T时，判断工作时段为夜晚。优选的技术方案中，当工况模式为白天-未佩戴眼镜时，关闭补光系统；当工况模式为白天-配戴眼镜或夜晚时，控制补光系统小功率运行；当工况模式为白天-配戴墨镜时，控制补光系统大功率运行。与现有技术相比，本专利技术的有益效果是：1、可以对采集的图像进行分析，划分不同的工况模式，根据不同的工况模式智能控制补光系统，智能控制红外灯的开闭及运行功率的大小，使系统在保证高精度识别的同时，最大限度减少能量损耗、降低对驾驶员干扰。2、提高了产品的智能化水平，提升产品的使用体验，更好地满足实用需求，进一步推动基于机器视觉的疲劳驾驶预警系统的普及应用。附图说明下面结合附图及实施例对本专利技术作进一步描述：图1为用于疲劳驾驶预警系统的补光系统的智能控制系统的原理图；图2为用于疲劳驾驶预警系统的补光系统的智能控制系统的硬件框图；图3为用于疲劳驾驶预警系统的补光系统的智能控制方法的流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。实施例如图1、2所示，一种用于疲劳驾驶预警系统的补光系统的智能控制系统，包括图像采集模块、光线检测模块、信息识别处理模块和补光系统；图像采集模块为疲劳驾驶预警系统的图像采集模块，一般为高清摄像头，摄像头固定在外壳壳体上，用于拍摄驾驶员人脸图像，并将采集的人脸图像传输至信息识别处理模块处理。光线检测模块，可以为光敏传感器，用于采集光线强度，并将采集的光线强度传输至信息识别处理模块处理。补光系统，包括控制电路和红外灯，控制电路，根据ARM处理器发送的信号控制红外灯的工作状态，这里为了简化，控制电路可以只包括强电流开关与低电流开关。信息识别处理模块的硬件核心为ARM处理器，包括工作时段识别判断模块、眼镜识别深度学习模块、识别数据融合分析模块和补光控制模块。工作时段识别判断模块，分析采集的光线强度，判断工作时段，工作时段包括白天或者夜晚；当光线强度＞阈值T时，判断工作时段为白天；当光线强度≤阈值T时，判断工作时段为夜晚。眼镜识别深度学习模块，采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜。这里的深度学习算法可以为fast-RCNN算法，第一分类器可以通过CNN卷积学习网络训练得到，通过CNN卷积神经网络进行进一步的学习，得到配戴墨镜与配戴眼镜之间的区别特征，得到第二分类器。识别数据融合分析模块，对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天-未佩戴眼镜、白天-配戴眼镜、白天-佩戴墨镜、夜晚四种模式；补光控制模块，根据工况模式控制补光系统的工作状态，控制红外灯开闭状态与电流大小。当工况模式为白天-未佩戴眼镜时，关闭补光系统；当工况模式为白天-配戴眼镜或夜晚时，控制补光系统小功率运行；当工况模式为白天-配戴墨镜时，控制补光系统大功率运行。如图3所示，系统的控制方法如下：（1）当车辆车速≥30KM/h时，该系统自动启动；（2）摄像头实时采集驾驶员人本文档来自技高网...

【技术保护点】
1.一种用于疲劳驾驶预警系统的补光系统的智能控制方法，其特征在于，包括以下步骤：S01：分析采集的光线强度，判断工作时段，所述工作时段包括白天或者夜晚；S02：采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜；S03：对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天‑未佩戴眼镜、白天‑配戴眼镜、白天‑佩戴墨镜、夜晚四种模式；S04：根据工况模式控制补光系统的工作状态。

【技术特征摘要】
1.一种用于疲劳驾驶预警系统的补光系统的智能控制方法，其特征在于，包括以下步骤：S01：分析采集的光线强度，判断工作时段，所述工作时段包括白天或者夜晚；S02：采用深度学习算法对采集到的人脸图像进行分析，提取眼睛区域的特征，通过训练得到的第一分类器，识别驾驶员是否戴眼镜，通过训练得到的第二分类器，识别驾驶员戴的是普通眼镜还是墨镜；S03：对工作时段识别结果与眼镜识别结果进行融合分析，判断工况模式，将工况模式划分为白天-未佩戴眼镜、白天-配戴眼镜、白天-佩戴墨镜、夜晚四种模式；S04：根据工况模式控制补光系统的工作状态。2.根据权利要求1所述的用于疲劳驾驶预警系统的补光系统的智能控制方法，其特征在于，所述步骤S01中，当光线强度＞阈值T时，判断工作时段为白天；当光线强度≤阈值T时，判断工作时段为夜晚。3.根据权利要求1所述的用于疲劳驾驶预警系统的补光系统的智能控制方法，其特征在于，所述步骤S04具体包括，当工况模式为白天-未佩戴眼镜时，关闭补光系统；当工况模式为白天-配戴眼镜或夜晚时，控制补光系统小功率运行；当工况模式为白天-配戴墨镜时，控制补光系统大功率运行。4.一种用于疲劳驾驶预警系统的补光系统的智能控制系统，包括图像采集模块，其特征在于，还包括光线检测模块、信息识别处理模块和补光系...

【专利技术属性】
技术研发人员：张伟，刘星，李颂平，
申请(专利权)人：苏州清研微视电子科技有限公司，
类型：发明
国别省市：江苏,32