一种驾驶异常行为的检测方法技术

本发明专利技术公开一种驾驶异常行为的检测方法，其分为人脸检测学习模型训练阶段和人脸异常状态检测阶段，人脸异常状态检测阶段是基于人脸检测学习模型训练阶段所生成的人脸检测学习模型进行驾驶员状态的检测，人脸异常状态检测阶段的具体步骤如下：a、人脸数据图像采集；b、人脸检测及人脸特征点定位；c、从颜色空间YCbCr中提取色度Cr和Cb进行系列值变化来计算心率；d、将计算心率送入所述人脸检测学习模型，输出驾驶员状态；e、当驾驶员处于异常状态时，发出警报。本发明专利技术是利用摄像头采集驾驶员人脸图像，然后选择感兴趣的人脸区域，根据RGB颜色的变化分析驾驶员是否存在疲劳，来分析驾驶员是否有心脏病发作的可能。

【技术实现步骤摘要】
一种驾驶异常行为的检测方法
本专利技术涉及智能交通领域，具体涉及一种驾驶异常行为的检测方法。
技术介绍
当前交通事故频发，原因有疲劳驾驶、醉酒驾驶，突发疾病等。根据WHO近年的调查报告显示，心血管疾病导致的死亡排名第一。多于任何其他疾病。心率是评估心血管疾病的一个重要参数。而且也可心率的快慢来判断是否清醒。一般在睡眠情况下，心率变得缓慢。因此可用心率来检测驶员在开车时是否有打盹、睡眠和心脏病发作。相比其他检测方法，无创非接触心率测量方法，简单快速准确，对司机无束缚。传统的驾驶疲劳检测有三种方法：1、根据行车数据来判断2、根据生理信号来判断3、利用获取的驾驶员人脸图像视频来判断上面三种方法，各有优缺点。本专利技术结合了第二第三种方法的优点，应用采集的人脸图像在不同时刻RGB颜色值随心脏波动的特点来确定驾驶员的心率。而传统的RGB颜色空间比较容易受到光照等因素的影响，本专利技术选择受影响较少的YCbCr颜色空间来分析心率。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种驾驶异常行为的检测方法，其利用摄像头采集驾驶员人脸图像，然后选择感兴趣的人脸区域，根据RGB颜色的变化分析驾本文档来自技高网...

【技术保护点】
1.一种驾驶异常行为的检测方法，其特征在于，其分为人脸检测学习模型训练阶段和人脸异常状态检测阶段，所述人脸异常状态检测阶段是基于所述人脸检测学习模型训练阶段所生成的人脸检测学习模型进行驾驶员状态的检测，所述人脸异常状态检测阶段的具体步骤如下：a、人脸数据图像采集；b、人脸检测及人脸特征点定位；c、从颜色空间YCbCr中提取色度Cr和Cb进行系列值变化来计算心率；d、将计算心率送入所述人脸检测学习模型，输出驾驶员状态；e、当驾驶员处于异常状态时，发出警报。

【技术特征摘要】
1.一种驾驶异常行为的检测方法，其特征在于，其分为人脸检测学习模型训练阶段和人脸异常状态检测阶段，所述人脸异常状态检测阶段是基于所述人脸检测学习模型训练阶段所生成的人脸检测学习模型进行驾驶员状态的检测，所述人脸异常状态检测阶段的具体步骤如下：a、人脸数据图像采集；b、人脸检测及人脸特征点定位；c、从颜色空间YCbCr中提取色度Cr和Cb进行系列值变化来计算心率；d、将计算心率送入所述人脸检测学习模型，输出驾驶员状态；e、当驾驶员处于异常状态时，发出警报。2.根据权利要求1所述的一种驾驶异常行为的检测方法，其特征在于，在所述人脸异常状态检测阶段的步骤d中，所述驾驶员状态包括打盹、清醒及室颤状态，所述打盹和室颤状态则为异常状态。3.根据权利要求1所述的一种驾驶异常行为的检测方法，其特征在于，所述人脸检测学习模型训练阶段具体步骤如下：a、人脸数据图像采集；b、人脸检测及人脸特征点定位；c、从颜色空间YCbCr中提取色度Cr和Cb进行系列值变化来计算心率；d...

【专利技术属性】
技术研发人员：王东明，黄庆毅，
申请(专利权)人：深圳市尼欧科技有限公司，
类型：发明
国别省市：广东,44