本申请提供一种疲劳驾驶检测方法、装置、设备及存储介质，通过获取驾驶员在驾驶车辆过程中的脑电信号、面部图像以及车辆运动数据，然后利用小波包分析算法对脑电信号进行多层分解与重构，得到脑电特征数据集合，对面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合以及对车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合，最后根据脑电特征数据集合、面部特征数据集合和车辆特征数据集合，得到驾驶员的疲劳驾驶检测结果。该技术方案中，结合驾驶员的脑电信号、面部特征和车辆运动数据共同评价驾驶员的疲劳驾驶状态，不仅易于实现，而且保证了疲劳驾驶检测结果的实时性和准确性。且保证了疲劳驾驶检测结果的实时性和准确性。且保证了疲劳驾驶检测结果的实时性和准确性。
【技术实现步骤摘要】
疲劳驾驶检测方法、装置、设备及存储介质
[0001]本申请涉及信息处理
，尤其涉及一种疲劳驾驶检测方法、装置、设备及存储介质。
技术介绍
[0002]随着社会经济的发展，交通基础设施日益发达，由此引发的道路交通事故也越来越多，给人民的生命财产安全造成了极大的伤害。而在交通事故频发的各种原因之中，疲劳驾驶成为最重要的原因之一，因而，如何检测驾驶员的疲劳状态是预防交通事故的重要因素。
[0003]现有技术中，疲劳驾驶检测方法可以通过检测驾驶员的眼睛状态来确定。具体的，基于“PERCLOS”的原理，依据驾驶员的眼睛在单位时间内处于闭合状态的百分比率，确定出驾驶员的眼睛睁闭状态，依此来判断其身体的疲劳程度。
[0004]然而，在实际的驾驶过程中，受到汽车抖动、不同用眼习惯等因素的影响，可能存在眼睛状态识别不准确的现象，进而致使得到的疲劳驾驶检测结果不准确。
技术实现思路
[0005]本申请提供一种疲劳驾驶检测方法、装置、设备及存储介质，以克服现有疲劳驾驶检测方法得到的疲劳驾驶检测结果不准确的问题。
[0006]第一方面，本申请提供一种疲劳驾驶检测方法，包括：
[0007]获取驾驶员在驾驶车辆过程中的脑电信号、面部图像以及车辆运动数据；
[0008]利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合；
[0009]对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合；
[0010]对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合；
[0011]根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果。
[0012]可选的，所述利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合，包括：
[0013]通过对所述脑电信号进行小波包分解，得到所述脑电信号对应的四种主要节律波；
[0014]根据小波包各个节点的能量值，计算每种节律波的频带能量值；
[0015]根据每种节律波的频带能量值，确定用于评价疲劳驾驶的脑电特征数据集合，所述脑电特征数据集合包括：至少两个特征指标。
[0016]可选的，所述对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部
特征数据集合，包括：
[0017]将所述面部图像转换成灰度图像；
[0018]基于方向梯度直方图特征，对所述灰度图像进行特征检测，确定所述灰度图像中的脸部区域以及所述脸部区域中的脸部特征位置；
[0019]使用开源计算机视觉库OpenCV对所述脸部特征位置进行特征点标定，得到所述面部特征数据集合，所述面部特征数据集合包括：眼睛特征点信息和嘴部特征点信息。
[0020]可选的，所述对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合，包括：
[0021]从所述车辆运动数据中，提取出表征疲劳状态的车辆数据集合，所述车辆数据集合包括：方向盘转角数据和车辆加速度数据；
[0022]分别计算所述车辆数据集合中各种车辆数据的至少两个统计指标，得到所述车辆特征数据集合。
[0023]可选的，所述根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果，包括：
[0024]对所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合进行特征筛选，得到疲劳检测特征集合；
[0025]采用多重集典型相关分析MCAA算法对所述疲劳检测特征集合进行投影，得到投影后的疲劳检测特征集合；
[0026]对所述投影后的疲劳检测特征集合进行相关程度最大化处理，得到融合后的疲劳驾驶特征集合；
[0027]将所述融合后的疲劳驾驶特征集合输入预先训练的疲劳检测模型中，输出疲劳驾驶检测结果。
[0028]可选的，所述方法还包括：
[0029]获取所述疲劳检测模型的训练样本集合，所述训练样本集合包括：疲劳样本子集和正常样本子集；
[0030]利用所述训练样本集合对相关向量机RVM进行训练，得到所述疲劳检测模型；其中，所述疲劳检测模型的识别准确率等于正确分类的样本数与所述训练样本集合的样本总数的比值。
[0031]可选的，所述方法还包括：
[0032]获取所述疲劳检测模型的正常样本正确识别数、正常样本错误识别数、疲劳样本正确识别数和疲劳样本错误识别数；
[0033]根据所述正常样本正确识别数和所述疲劳样本错误识别数，确定所述疲劳检测模型的检测灵敏度；
[0034]根据所述疲劳样本正确识别数和所述正常样本错误识别数，确定所述疲劳检测模型的特异性能；
[0035]根据所述检测灵敏度和所述特异性能，确定是否更新所述疲劳检测模型。
[0036]第二方面，本申请实施例提供一种疲劳驾驶检测装置，包括：
[0037]获取模块，用于获取驾驶员在驾驶车辆过程中的脑电信号、面部图像以及车辆运动数据；
[0038]脑电信号处理模块，用于利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合；
[0039]面部图像处理模块，用于对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合；
[0040]车辆数据处理模块，用于对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合；
[0041]疲劳检测模块，用于根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果。
[0042]可选的，所述脑电信号处理模块，具体用于：
[0043]通过对所述脑电信号进行小波包分解，得到所述脑电信号对应的四种主要节律波；
[0044]根据小波包各个节点的能量值，计算每种节律波的频带能量值；
[0045]根据每种节律波的频带能量值，确定用于评价疲劳驾驶的脑电特征数据集合，所述脑电特征数据集合包括：至少两个特征指标。
[0046]可选的，所述面部图像处理模块，具体用于：
[0047]将所述面部图像转换成灰度图像；
[0048]基于方向梯度直方图特征，对所述灰度图像进行特征检测，确定所述灰度图像中的脸部区域以及所述脸部区域中的脸部特征位置；
[0049]使用开源计算机视觉库OpenCV对所述脸部特征位置进行特征点标定，得到所述面部特征数据集合，所述面部特征数据集合包括：眼睛特征点信息和嘴部特征点信息。
[0050]可选的，所述车辆数据处理模块，具体用于：
[0051]从所述车辆运动数据中，提取出表征疲劳状态的车辆数据集合，所述车辆数据集合包括：方向盘转角数据和车辆加速度数据；
[0052]分别计算所述车辆数据集合中各种车辆数据的至少两个统计指标，得到所述车辆特征数据集合。
[00本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种疲劳驾驶检测方法，其特征在于，包括：获取驾驶员在驾驶车辆过程中的脑电信号、面部图像以及车辆运动数据；利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合；对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合；对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合；根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果。2.根据权利要求1所述的方法，其特征在于，所述利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合，包括：通过对所述脑电信号进行小波包分解，得到所述脑电信号对应的四种主要节律波；根据小波包各个节点的能量值，计算每种节律波的频带能量值；根据每种节律波的频带能量值，确定用于评价疲劳驾驶的脑电特征数据集合，所述脑电特征数据集合包括：至少两个特征指标。3.根据权利要求1所述的方法，其特征在于，所述对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合，包括：将所述面部图像转换成灰度图像；基于方向梯度直方图特征，对所述灰度图像进行特征检测，确定所述灰度图像中的脸部区域以及所述脸部区域中的脸部特征位置；使用开源计算机视觉库OpenCV对所述脸部特征位置进行特征点标定，得到所述面部特征数据集合，所述面部特征数据集合包括：眼睛特征点信息和嘴部特征点信息。4.根据权利要求1所述的方法，其特征在于，所述对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合，包括：从所述车辆运动数据中，提取出表征疲劳状态的车辆数据集合，所述车辆数据集合包括：方向盘转角数据和车辆加速度数据；分别计算所述车辆数据集合中各种车辆数据的至少两个统计指标，得到所述车辆特征数据集合。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果，包括：对所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合进行特征筛选，得到疲劳检测特征集合；采用多重集典型相关分析MCAA算法对所述疲...
【专利技术属性】
技术研发人员：周波，苗瑞，邹小刚，梁书玉，
申请(专利权)人：深圳市海清视讯科技有限公司，
类型：发明
国别省市：
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。