一种疲劳驾驶的判断方法、装置及设备制造方法及图纸

本发明专利技术公开了一种疲劳驾驶的判断方法、装置及设备，所述判断方法首先获得包含驾驶人头部图像的目标图像；然后确定所述目标图像中驾驶人的头部姿态信息；随后判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；最后当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。可见，本发明专利技术技术方案中，可以依据驾驶人在预定时间段内的头部姿态来确定出驾驶人处于未清醒状态，从而发出提醒信息来尽可能预防交通事故的发生。

A judgment method, device and equipment for fatigue driving

【技术实现步骤摘要】
一种疲劳驾驶的判断方法、装置及设备
本专利技术涉及机器学习
，特别是涉及一种疲劳驾驶的判断方法、装置及设备。
技术介绍
随着国内经济的迅速发展以及人民生活水平的逐渐提高，机动车的保有量在不断增大。与此同时，道路交通事故的数量也呈现出不断上升的趋势。在道路交通事故中，驾驶人疲劳驾驶是导致交通事故的主要因素之一。因此，需要在驾驶人疲劳时给与及时提醒，来减少交通事故的发生。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种疲劳驾驶的判断方法、装置及设备，以在驾驶人出现未清醒状态时，及时给出提醒来尽可能预防交通事故的发生，本专利技术的技术方案如下：一种疲劳驾驶的判断方法，包括：获得包含驾驶人头部图像的目标图像；确定所述目标图像中驾驶人的头部姿态信息；判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。优选的，所述确定所述目标图像中驾驶人的头部姿态信息本文档来自技高网...

【技术保护点】
1.一种疲劳驾驶的判断方法，其特征在于，包括：/n获得包含驾驶人头部图像的目标图像；/n确定所述目标图像中驾驶人的头部姿态信息；/n判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；/n当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。/n

【技术特征摘要】
1.一种疲劳驾驶的判断方法，其特征在于，包括：
获得包含驾驶人头部图像的目标图像；
确定所述目标图像中驾驶人的头部姿态信息；
判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果；
当所述判断结果表征驾驶人处于未清醒状态时，发出提醒信息。


2.根据权利要求1所述的判断方法，其特征在于，所述确定所述目标图像中驾驶人的头部姿态信息包括：
将所述目标图像作为输入参数，输入深度神经网络模型中，得到表征所述目标图像中驾驶人头部姿态的欧拉角参数，将所述欧拉角参数作为头部姿态信息。


3.根据权利要求1所述的判断方法，其特征在于，所述确定所述目标图像中驾驶人的头部姿态信息包括：
将所述目标图像作为输入参数，输入深度神经网络模型中，得到所述目标图像中的人脸关键点；
将所述人脸关键点映射到头部立体空间中；
在所述头部立体空间中依据所述人脸关键点计算表征所述目标图像中驾驶人头部姿态的欧拉角参数，将所述欧拉角参数作为头部姿态信息。


4.根据权利要求1至3任意一项所述的判断方法，其特征在于，所述判断预设时间段内所述头部特征信息构成的特征序列是否表征为驾驶人处于未清醒状态，得到判断结果包括：
将预设时间段内的所述头部姿态信息累计为欧拉角序列数据；
对所述欧拉角序列数据进行滑动采样，得到特征序列数据；所述特征序列数据用于表征在所述预设时间段内驾驶人的头部所做出的一系列动作；
使用循环记忆神经网络模型识别所述特征序列数据，得到表征驾驶人是否处于未清醒状态的判断结果。


5.根据权利要求4所述的判断方法，其特征在于，所述使用循环记忆神经网络模型识别所述特征序列数据前还包括：
对所述特征序列数据进行多层卷积编码，得到特征序列；
则所述使用循环记忆神经网络模型识别所述特征序列数据包括：将所述使用循环记忆神经网络模型识别所述特征序列。


6.根据权利要求5所述的判断方法，其特征在于，所述使用循环记忆神经网络模型识别所述序列数据，得到表征驾驶人是否处于未清醒状态的判断结果包括：
将所述特征序列中每一个欧拉角参数值对应的特征序列分别输入循环记忆神经网络模型中，得到...

【专利技术属性】
技术研发人员：李世明，
申请(专利权)人：北京经纬恒润科技有限公司，
类型：发明
国别省市：北京;11