基于神经网络的疲劳驾驶检测方法技术

本发明专利技术涉及自动控制及计算机视觉技术领域，具体涉及一种基于神经网络的疲劳驾驶检测方法，包括以下步骤：通过摄像头实时采集人脸图像；将采集的人脸图像进行图像预处理；将图像预处理后的人脸图像输入到卷积神经网络模型中，进行人脸定位和人脸特征定位，输出人脸特征定位后的人脸特征图像；所述人脸特征包括眼和嘴；根据人脸特征图像中各人脸特征的状态计算PERCLOS参数f

【技术实现步骤摘要】
基于神经网络的疲劳驾驶检测方法


[0001]本专利技术涉及自动控制及计算机视觉
，具体涉及一种基于神经网络的疲劳驾驶检测方法。

技术介绍

[0002]近年来，随着中国经济的飞速发展及汽车制造业技术的成熟，中国的车辆保有量逐年上升，很多普通家庭都拥有了自己的交通出行工具。与此同时，我国由于交通事故造成的伤残死亡人数一直是世界上最多的国家之一，每年因交通事故死亡的至少有50万以上，交通事故已经被公认为是危害当今人类生命安全的第一大公害。根据交通事故统计分析表明，交通事故中80％
‑
90％是人为因素造成的，驾驶员疲劳驾驶更会使车祸发生的可能性成倍的增加，在我国，大约48％的车祸时由驾驶员疲劳驾驶造成的。研究表明，交通事故通常就发生在几秒钟的时间内，如果能提前2秒钟预警将能减少92％的交通事故，提前0.5秒钟预警，将会避免73％的交通事故。
[0003]为了防止驾驶员疲劳驾驶，我国《道路交通安全法实施条例》明确规定驾驶员不得连续驾驶机动车超过4小时未停车休息或者停车休息时间少于20分钟，否则将受到相应的行政处罚。然而，在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于神经网络的疲劳驾驶检测方法，其特征在于：包括以下步骤：S1、通过摄像头实时采集人脸图像；S2、将采集的人脸图像进行图像预处理；S3、将图像预处理后的人脸图像输入到卷积神经网络模型中，进行人脸定位和人脸特征定位，输出人脸特征定位后的人脸特征图像；所述人脸特征包括眼和嘴；S4、根据人脸特征图像中各人脸特征的状态计算PERCLOS参数f
P
、眨眼频率BF参数f
BF
和打哈欠参数f
yawn
；S5、根据PERCLOS参数f
P
、眨眼频率BF参数f
BF
和打哈欠参数f
yawn
和对应的权重计算疲劳指数；S6、将疲劳指数与预警阈值进行比较，若满足预警阈值则生成预警提示信息。2.根据权利要求1所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述PERCLOS参数f
P
的表达式如下：f
P
＝N
close
/N
total
×
100％其中，N
close
表示在一段时间内眼睛闭合状态下的总帧数，N
total
与表示在该段时间内总的帧数。3.根据权利要求2所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述眨眼频率BF参数f
BF
的表达式如下：其中，n1表示在一定时间内的眨眼次数，N1表示在该时间内的总帧数，t
f
为处理每帧图片的时间。4.根据权利要求3所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述打哈欠参数f
yawn
的表达式如下：f
yawn
＝n2/N2其中，n2表示在一定时间内嘴部外界方框明显增大的帧数，N2表示该时间内的帧数。5.根据权利要求4所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述步骤S5中，PERCLOS参数f
P
、眨眼频率BF参数f
BF
和打哈欠参数f
yawn
对应的权重分别为ω1,ω2,ω3，疲劳指数的表达式如下：f＝ω1f
...

【专利技术属性】
技术研发人员：敖邦乾，曲祥君，杨莎，陈连贵，令狐金卿，
申请(专利权)人：遵义师范学院，
类型：发明
国别省市：