基于人眼状态的瞌睡检测方法技术

本发明专利技术公开了一种基于人眼状态的瞌睡检测方法，包含：获取待检测者的标准人眼面积；采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息；将视频信息的每一帧图像的人眼区域分割出来；计算每一帧图像所对应的人眼区域的实际人眼面积；根据每一帧图像所对应的距离信息对实际人眼面积进行矫正；将矫正后的每一帧图像所对应的实际人眼面积与标准人眼面积进行比较并根据比较结果判断待检测者的瞌睡状态。本发明专利技术的基于人眼状态的瞌睡检测方法，通过对视频帧中的人眼区域的面积进行校准，进一步提高了瞌睡检测的精度。步提高了瞌睡检测的精度。步提高了瞌睡检测的精度。

【技术实现步骤摘要】
基于人眼状态的瞌睡检测方法


[0001]本专利技术涉及一种基于人眼状态的瞌睡检测方法。

技术介绍

[0002]如今，人工智能+医疗，人工智能+教育，人工智能+模式在生活中随处可见。其中人工智能+教育尤为受到了各行各业的广泛关注，其研究重点主要是“学生课中”和“学习过程”，目的是促进学生课中能够集中精力学习。其中，采集学生课中在学习课堂上的数据是研究的基础。正是因为有了数据作为支撑，才促使人工智能领域不断扩大。否则，人工智能+模式便无法实现。
[0003]目前，国内已经有很多研究人员关于瞌睡识别提供了大量的研究方法。但现有的技术，瞌睡识别的精度不够高。

技术实现思路

[0004]本专利技术提供了一种基于人眼状态的瞌睡检测方法，采用如下的技术方案：
[0005]一种基于人眼状态的瞌睡检测方法，包含以下步骤：
[0006]获取待检测者的标准人眼面积；
[0007]采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息；
[0008]将视频信息的每一帧图像的人眼区域分割出来；
[0009]计算每一帧图像所对应的人眼区域的实际人眼面积；
[0010]根据每一帧图像所对应的距离信息对实际人眼面积进行矫正；
[0011]将矫正后的每一帧图像所对应的实际人眼面积与标准人眼面积进行比较并根据比较结果判断待检测者的瞌睡状态。
[0012]进一步地，获取待检测者的标准人眼面积的具体方法为：
[0013]使待检测者位于图像采集设备前方预设距离且正对图像采集设备；
[0014]使待检测者的眼睛处于完全睁开状态；
[0015]通过图像采集设备采集待检测者的图像信息；
[0016]利用级联回归模型检测图像信息中的人脸的68个特征点，从中获取12个有关人眼的特征点，进而通过这12个有关人眼的特征点从图像信息中分隔出人眼区域；
[0017]计算从图像信息分隔出的人眼区域的像素值得到标准人眼面积。
[0018]进一步地，采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息的具体方法为：
[0019]将激光测距雷达集成在图像采集设备上；
[0020]图像采集设备和激光测距雷达同时工作分别采集待检测者的视频信息和其对应的距离信息；
[0021]将距离信息作为标签标注在对应的每一帧图像上。
[0022]进一步地，采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息的具体方法为：
[0023]通过图像采集设备采集检测者的视频信息；
[0024]根据检测者的位置信息判断其对应的距离信息；
[0025]将距离信息作为标签标注在对应的每一帧图像上。
[0026]进一步地，将视频信息的每一帧图像的人眼区域分割出来的具体方法为：
[0027]利用级联回归模型检测视频信息的每一帧图像的人脸的68个特征点，从中获取12个有关人眼的特征点，进而通过这12个有关人眼的特征点从每一帧图像中分隔出人眼区域。
[0028]进一步地，计算每一帧图像所对应的人眼区域的实际人眼面积的具体方法为：
[0029]计算从视频信息的每一帧图像分隔出的人眼区域的像素值得到每一帧图像的实际人眼面积。
[0030]进一步地，在根据每一帧图像所对应的距离信息对实际人眼面积进行矫正之后，基于人眼状态的学生瞌睡检测方法还包括：
[0031]计算待检测者的脸部偏转角度；
[0032]根据脸部偏转角度对矫正后的实际人眼面积再次进行矫正。
[0033]进一步地，在获取待检测者的标准人眼面积之后，基于人眼状态的学生瞌睡检测方法还包括：
[0034]获取待检测者的角度参考信息；
[0035]获取待检测者的角度参考信息的具体方法为：
[0036]在利用级联回归模型检测图像信息中的人脸的68个特征点后，再从中获取3个有关鼻子的特征点，通过这3个有关鼻子的特征点组成第一三角形作为角度参考信息；
[0037]计算待检测者的脸部偏转角度的具体方法为：
[0038]在利用级联回归模型检测视频信息的每一帧图像的人脸的68个特征点之后，再从中获取对应的3个有关鼻子的特征点，通过这3个有关鼻子的特征点组成第二三角形作为角度比对信息；
[0039]根据角度比对信息相对角度参考信息的变形量计算得到脸部偏转角度。
[0040]进一步地，根据下述公式计算脸部偏转角度，
[0041][0042]其中，S
′
为角度矫正前的实际人眼面积，S
″
为角度矫正后的实际人眼面积，a为左右转动角度，b为上下转动角度。
[0043]进一步地，将矫正后的每一帧图像所对应的实际人眼面积与标准人眼面积进行比较并根据比较结果判断待检测者的瞌睡状态的具体方法为：
[0044]当每一帧图像所对应的实际人眼面积与标准人眼面积的比例小于预设比例并持续预设帧数时判定待检测者为瞌睡状态。
[0045]本专利技术的有益之处在于所提供的基于人眼状态的瞌睡检测方法，通过对视频帧中的人眼区域的面积进行校准，进一步提高了瞌睡检测的精度。
附图说明
[0046]图1是本专利技术的基于人眼状态的瞌睡检测方法的示意图。
具体实施方式
[0047]以下结合附图和具体实施例对本专利技术作具体的介绍。
[0048]如图1所示为本专利技术的一种基于人眼状态的瞌睡检测方法，包含以下步骤：步骤S1：获取待检测者的标准人眼面积。步骤S2：采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息。步骤S3：将视频信息的每一帧图像的人眼区域分割出来。步骤S4：计算每一帧图像所对应的人眼区域的实际人眼面积。步骤S5：根据每一帧图像所对应的距离信息对实际人眼面积进行矫正。步骤S6：将矫正后的每一帧图像所对应的实际人眼面积与标准人眼面积进行比较并根据比较结果判断待检测者的瞌睡状态。通过以上步骤，在进行面积比较前，对实际人眼面积进行校准，提高了瞌睡检测的精度。以下具体介绍上述步骤。
[0049]对于步骤S1：获取待检测者的标准人眼面积。
[0050]本专利技术采用对人眼区域的面积进行比较的方法来识别待检测者的状态。因此，首先需要采集到待检测者的正常状态下的标准人眼面积，作为后续实际检测到的人眼区域的面积的比较基准。
[0051]在本申请中，获取待检测者的标准人眼面积的具体方法为：
[0052]使待检测者位于图像采集设备前方预设距离且正对图像采集设备。
[0053]使待检测者的眼睛处于完全睁开状态。
[0054]通过图像采集设备采集待检测者的图像信息。
[0055]利用级联回归模型检测图像信息中的人脸的68个特征点，从中获取12个有关人眼的特征点，进而通过这12个有关人眼的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人眼状态的瞌睡检测方法，其特征在于，包含以下步骤：获取待检测者的标准人眼面积；采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息；将所述视频信息的每一帧图像的人眼区域分割出来；计算每一帧图像所对应的人眼区域的实际人眼面积；根据每一帧图像所对应的距离信息对所述实际人眼面积进行矫正；将矫正后的每一帧图像所对应的所述实际人眼面积与所述标准人眼面积进行比较并根据比较结果判断待检测者的瞌睡状态。2.根据权利要求1所述的基于人眼状态的学生瞌睡检测方法，其特征在于，所述获取待检测者的标准人眼面积的具体方法为：使待检测者位于图像采集设备前方预设距离且正对图像采集设备；使待检测者的眼睛处于完全睁开状态；通过图像采集设备采集待检测者的图像信息；利用级联回归模型检测所述图像信息中的人脸的68个特征点，从中获取12个有关人眼的特征点，进而通过这12个有关人眼的特征点从所述图像信息中分隔出人眼区域；计算从所述图像信息分隔出的人眼区域的像素值得到所述标准人眼面积。3.根据权利要求2所述的基于人眼状态的学生瞌睡检测方法，其特征在于，所述采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息的具体方法为：将激光测距雷达集成在图像采集设备上；图像采集设备和激光测距雷达同时工作分别采集待检测者的所述视频信息和其对应的所述距离信息；将所述距离信息作为标签标注在对应的每一帧图像上。4.根据权利要求2所述的基于人眼状态的学生瞌睡检测方法，其特征在于，所述采集待检测者的视频信息以及视频信息中的每一帧图像所对应的检测者和图像采集设备之间的距离信息的具体方法为：通过图像采集设备采集检测者的视频信息；根据检测者的位置信息判断其对应的距离信息；将所述距离信息作为标签标注在对应的每一帧图像上。5.根据权利要求3或4任一所述的基于人眼状态的学生瞌睡检测方法，其特征在于，所述将所述视频信息的每一帧图像的人眼区域分割出来的具体方法为：利用级联回归模型检测所述视频信息的每一帧图像的人脸的68个特征点，从中获取12个...

【专利技术属性】
技术研发人员：蔡宇峰，
申请(专利权)人：浙江正元智慧科技股份有限公司，
类型：发明
国别省市：