一种基于多种动态特征和物联网技术的疲劳驾驶检测方法技术

本发明专利技术提供了一种基于多种动态特征和物联网技术的疲劳驾驶检测方法，该方法不仅将疲劳驾驶状态的生物学动态特征纳入考虑，另融入能够反映个体差异及客观差异的特征，如驾驶员的性别年龄、驾驶时长、驾驶时段，这些特征的融入能够较为有效地解决当前疲劳驾驶检测因个体差异带来的误报率。此外，考虑到疲劳状态本身具有一定持续性，故本发明专利技术所述方法创造性地将前一次的疲劳驾驶检测结论纳入下一次的疲劳驾驶检测，且为了防止两者间的过分依赖，首先将上一次的检测结论转化为后验概率，再进入下一次检测，此举能够预防驾驶员逐渐进入深度疲劳驾驶状态，同时也提升了识别准确率和实用性。

A fatigue driving detection method based on multiple dynamic characteristics and Internet of things technology

【技术实现步骤摘要】
一种基于多种动态特征和物联网技术的疲劳驾驶检测方法
本专利技术涉及一种基于多种动态特征和物联网技术的疲劳驾驶检测方法。
技术介绍
疲劳驾驶已成为导致交通事故的重要原因之一，研究有效且可靠的疲劳驾驶检测方法对防止交通事故、保障人身及财产安全具有重要意义。近年来，国内外研究者对疲劳检测方法进行了广泛的研究，并提出如下几种检测方法：1)基于生理指标的检测方法，通过驾驶员的脑电波、心电图、方向盘握力等判断疲劳驾驶状态；2)通过采集人脸图像，分析人眼的眨眼频率、幅度、闭合时间等进行疲劳检测；3)基于深度学习的非接触式疲劳驾驶检测方法。通过采集人脸图像，构建卷积神经网络分析人眼部及嘴部疲劳特征，从而进行疲劳状态检测。现有的疲劳驾驶检测方法：1)基于生理指标的检测方法，这类方法虽具有一定检测精度，但会在一定程度上妨碍驾驶。2)通过采集人脸图像，该类方法一般仅针对面部单一部位进行检测，没有考虑其他相关特征，影响检测精度。3)基于深度学习的非接触式疲劳驾驶检测方法，这种方法虽能够达到一定检测精度，但对动态特征缺乏考虑，且由于深度学习的性质，对算力本文档来自技高网...

【技术保护点】
1.一种基于多种动态特征和物联网技术的疲劳驾驶检测方法，其特征在于，包括如下步骤：/n步骤1，构建初始疲劳驾驶检测模型f

【技术特征摘要】
1.一种基于多种动态特征和物联网技术的疲劳驾驶检测方法，其特征在于，包括如下步骤：
步骤1，构建初始疲劳驾驶检测模型f*；
步骤2，基于初始疲劳驾驶检测模型f*，构建疲劳驾驶检测模型f，判断驾驶员疲劳状态。


2.根据权利要求1所述的方法，其特征在于，步骤1包括：
步骤1-1，输入N名测试驾驶员的性别xs和年龄段xa；
步骤1-2，采集N名测试驾驶员在正常及疲劳状态下的驾驶视频，其中每名驾驶员采集在正常状态下的驾驶视频时长为tn、在疲劳状态下的驾驶视频时长为tt；
步骤1-3，检测视频帧中的人脸，作为驾驶员人脸；
步骤1-4，基于检测到的驾驶员人脸，检测得到面部的关键点；
步骤1-5，基于面部的关键点，提取驾驶员鼻尖、下巴、左眼的左角、右眼的右角、左嘴角、右嘴角六个关键点的坐标位置，与3D头部模型进行匹配，得到驾驶员头部俯仰角，统计单位时间内低头时长xp；
步骤1-6，基于面部的关键点提取驾驶员眼部轮廓，分别计算驾驶员左眼及右眼的眼长纵横比EARright、EARleft，取均值得到平均眼长纵横比EAR，并根据经验阈值EARthreshold逐帧判断驾驶员眼部状态：当EAR>EARthreshold时判断为张开，否则为闭合；
步骤1-7，基于对驾驶员眼部状态的判断，以连续的双眼闭合帧数计数得到单位时间内最长深眨眼时间xd，并统计得到单位时间内眼部闭合时间占比xc；
步骤1-8，基于面部的关键点，提取驾驶员嘴部轮廓、鼻部轮廓及眼部轮廓，以连续的x帧嘴部纵横比鼻部纵横比平均眼长纵横比作为输入矩阵mar1表示第1帧的嘴部纵横比，nar1表示第1帧的鼻部纵横比，ear1表示第1帧的平均眼长纵横比，分别采集驾驶员打哈欠与未打哈欠状态下的视频数据，并基于所述视频数据按输入矩阵提取训练样本集Y，训练二分类支持向量机模型，以此判断驾驶员是否处于打哈欠状态，并统计得到单位时间内打哈欠次数xy；
步骤1-9，利用车载加速度传感器实时反馈的行驶加速度a，结合危险驾驶等级划分中的二级标准判断驾驶员急减速行为，统计单位时间内出现急减速行为的次数xe；
步骤1-10，提取行车记录仪实时数据确定当前时间，进而确定当前时段xt；
步骤1-11，提取行车记录仪实时数据确定...

【专利技术属性】
技术研发人员：任心怡，钱坤，林柯，李卫，徐啸风，黄志华，田娟，郑良彪，
申请(专利权)人：中通服咨询设计研究院有限公司，
类型：发明
国别省市：江苏;32