【技术实现步骤摘要】
一种基于面部多特征点识别的值班人员疲劳状态检测方法
[0001]本专利技术涉及人脸检测、姿态估计等领域，尤其是涉及一种值班人员疲劳状态检测方法。
技术介绍
[0002]在例如机场管控台、铁路运营室、医院重症监护室等平台的值班人员需要24小时不间断的盯着视频图像，且夜间值班人员容易产生疲惫感，造成值班人员走神、打瞌睡等疲劳状态，极其容易造成重大影响。如果出现紧急消息需要处理，而此时的值班人员处于打瞌睡状态，不能及时处理紧急故障消息，容易产生重大后果。因此提出一种值班人员的疲劳状态检测方法十分重要。
[0003]基于面部特征点识别的夜间值班人员疲劳状态检测方法，适用于值班室环境下针对于值班人员的疲劳状态进行评估。但在值班室复杂环境中仅依靠单一的面部特征点定位检测，无法全面对于值班人员疲劳状态进行评估，准确率会出现大幅度波动，严重影响疲劳状态检测的精度和稳定性。本专利技术通过分析眼睛、嘴巴特征区域的二维平面纵横比，同时分析头部特征区域的俯仰角、偏航角和翻滚角的角度，综合考虑值班人员的眼睛眨眼、嘴巴哈欠、头部姿态，多方位检测...
【技术保护点】
【技术特征摘要】
1.一种基于面部多特征点识别的值班人员疲劳状态检测方法，其特征在于，包括：选取值班人员多个面部关键点作为面部特征点，这些面部特征点包括眼睛区域特征点、嘴巴区域特征点、头部区域特征点；每隔一段时间采集该值班人员的这些面部特征点的图像数据，并计算得到眨眼检测参数、哈欠检测参数、头部姿态参数；对多个时间段的眨眼检测参数、哈欠检测参数、头部姿态参数进行平均再加权相加得到值班人员疲劳状态feature值，比较feature值与疲劳阈值，判定该值班人员的疲劳状态；其中，上述面部关键点的选取方法包括：每隔一段时间采集一次该值班人员图像数据并进行灰度化处理，将图像分割成若干2*2像素的区域，计算各像素点的梯度幅值与角度值，提取局部图像梯度信息并进行量化得到方向梯度直方图HOG特征向量，所有HOG特征向量组合在一起，得到图像总体特征值并将其作为训练集输出给支持向量机SVM，得到40*40像素的值班人员人脸图像，经特征提取层和3个全卷积层得到一个2*2*64像素的图像，在最后的全连接层将2*2*64像素的多层结构进行线性回归计算后得到68个面部特征点。2.如权利要求1所述的值班人员疲劳状态检测方法，其特征在于，所述眼睛区域特征点包括左眼区域特征点与右眼区域特征点，左眼区域特征点包括P37、P38、P39、P40、P41、P42，依序表示从左眼最左侧沿顺时针方向绕左眼均匀分布的位置，右眼区域特征点包括P43、P44、P45、P46、P47、P48，依序表示从右眼最左侧沿顺时针方向绕右眼均匀分布的位置；嘴巴区域特征点包括P49、P52、P55、P58，分别表示嘴巴最左、最上、最右、最下的位置；头部区域特征点包括P1、P5、P7、P9、P12、P17、P22、P23、P28，分别表示头部左上位置、左下位置、左下位置、中部最下位置、右下位置、右上位置、上部左侧位置、上部右侧位置、上部中间位置。3.如权利要求2所述的值班人员疲劳状态检测方法，其特征在于...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。