疲劳驾驶监测方法、装置及计算机可读存储介质制造方法及图纸

本发明专利技术提供一种疲劳驾驶监测方法、装置及计算机可读存储介质，涉及疲劳检测技术领域。该方法包括：获取驾驶员的人脸图像的视觉特征；将视觉特征输入训练好的网络模型，得到视觉特征对应的人脑电波信号表征的疲劳指数，其中，网络模型通过同步获得的样本人脸图像对应的视觉特征和样本脑电波信号进行多次训练获得；根据疲劳指数确定疲劳状态。脑电波信号能精确反映驾驶员的疲劳状况，通过视觉特征和脑电波信号训练获得的网络模型，能通过采集驾驶员的人脸图像，准确的判断驾驶员的疲劳状况。

【技术实现步骤摘要】
疲劳驾驶监测方法、装置及计算机可读存储介质
本专利技术涉及疲劳检测
，具体而言，涉及一种疲劳驾驶监测方法、装置及计算机可读存储介质。
技术介绍
驾驶员疲劳驾驶是引发交通事故的重要原因之一，每年因疲劳驾驶造成大量的人员伤亡，直接或间接的导致了巨额的经济损失。现有技术的疲劳驾驶预警方法，通常是对面部特征，如眼睛、嘴巴等的开合情况进行统计，并且对统计的开合情况与预设开合情况进行比较，从而判断驾驶员是否处于疲劳驾驶状态。仅通过当前的面部特征的变化，例如，眼睛的开合状态来判断驾驶人员是否处于疲劳状态，容易对疲劳状态引起误判。
技术实现思路
本专利技术的目的在于，针对上述现有技术中的不足，提供一种疲劳驾驶监测方法、装置及计算机可读存储介质，使用经驾驶员的脑电波信号和人脸图像对应的视觉特征训练而成的网络模型，能够准确的判断驾驶员的疲劳状况。为实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种疲劳驾驶监测方法，包括：获取驾驶员的人脸图像的视觉特征；将所述视觉特征输入训练好的网络模型，得到所述视觉特征对应的人脑电波信号表征的疲劳指数，其中，所述网络模型通过样本人脸本文档来自技高网...

【技术保护点】
1.一种疲劳驾驶监测方法，其特征在于，包括：获取驾驶员的人脸图像的视觉特征；将所述视觉特征输入训练好的网络模型，得到所述视觉特征对应的人脑电波信号表征的疲劳指数，其中，所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得；根据所述疲劳指数确定疲劳状态。

【技术特征摘要】
1.一种疲劳驾驶监测方法，其特征在于，包括：获取驾驶员的人脸图像的视觉特征；将所述视觉特征输入训练好的网络模型，得到所述视觉特征对应的人脑电波信号表征的疲劳指数，其中，所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得；根据所述疲劳指数确定疲劳状态。2.如权利要求1所述的疲劳驾驶监测方法，其特征在于，所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得，包括：通过摄像设备采集当前时刻的所述样本人脸图像；基于当前时刻的所述样本人脸图像获取所述视觉特征，同步获取当前时刻的所述样本人脸图像对应的测试人员的样本脑电波信号；根据所述样本脑电波信号计算所述样本脑电波信号对应的疲劳指数，其中所述疲劳指数用于指示疲劳状况；将所述视觉特征和所述疲劳指数输入所述网络模型，对所述网络模型进行训练，以建立所述视觉特征和所述疲劳指数之间的映射关系；多次执行上述步骤对所述网络模型进行训练，获得训练好的所述网络模型。3.如权利要求2所述的疲劳驾驶监测方法，其特征在于，所述视觉特征包括下述任一项或多项的组合：头部部位变化特征、眼睛部位变化特征、嘴巴部位变化特征。4.如权利要求1所述的疲劳驾驶监测方法，其特征在于，所述根据所述疲劳指数确定疲劳状态，包括：根据所述疲劳指数所在的阈值区间，判断所述疲劳等级。5.如权利要求4所述的疲劳驾驶监测方法，其特征在于，所述根据所述疲劳指数所在的阈值区间，判断所述疲劳等级之后，还包括：根据所述疲劳等级产生疲劳报警信息。6.如权利要求5所述的疲劳驾驶监测方法，其特征在于，所述根据所述疲劳等级产生疲劳...

【专利技术属性】
技术研发人员：邓淑龙，
申请(专利权)人：湖北亿咖通科技有限公司，
类型：发明
国别省市：湖北,42