【技术实现步骤摘要】
一种疲劳驾驶监测方法
[0001]本专利技术属于疲劳驾驶监测
,具体涉及一种疲劳驾驶监测方法。
技术介绍
[0002]在高速运转的现代社会中,交通事故频繁发生,疲劳驾驶是造成交通事故的重要原因,因而监测驾驶员是否疲劳驾驶具有重大意义。目前国内外的疲劳驾驶监测的方法一般可分为三种,第一种监测方法是监测车辆的行驶特征(如:方向盘的运动规律和加速踏板的使用情况等)从而监测驾驶员是否疲劳驾驶。这种监测方法只能在特定的环境中才能使用,在山路,泥路等复杂道路环境下,这种监测方法也就失去了作用;第二种监测方法集中于人体的电信号,如眼电图(EOG)、心电图(ECG)和脑电图(EEG),这种监测方法需要驾驶员佩戴大量的传感器,从而可能影响驾驶员的正常驾驶,增加了行车风险,有很大的局限性。随着计算机视觉技术的飞速发展,基于计算机视觉的疲劳驾驶监测技术变得越来越流行。
[0003]中国专利“CN203562073 U提醒司机安全驾驶的装置”提供了一种提醒驾驶员安全驾驶的方向盘环形套,该装置能够实现固定间隔时间的振动,以达到提醒驾驶员集中精力驾驶的目的。从本质上来说,实现的是固定的时间对驾驶员进行提醒,而不是监测驾驶员的状态,在驾驶员疲劳的时候实时提醒驾驶员。中国专利“CN 108010272 A一种疲劳驾驶提醒装置”设计了一种疲劳驾驶提醒装置,可以实现驾驶到固定时间后,提醒驾驶员休息。中国专利“CN 110299014 A一种安全驾驶提示装置”设计了安全驾驶提示装置,通过分析方向盘的转向等状态数据,实现驾驶员疲劳驾驶监测。通 ...
【技术保护点】
【技术特征摘要】
1.一种疲劳驾驶监测方法,其特征在于,包括:构建检测睁/闭眼的检测模型,计算驾驶员的眨眼频率;通过计算驾驶员头部姿态的欧拉角估计驾驶员的头部姿态;构建驾驶员注视区域的检测模型,通过驾驶员的眼睛图像和面部图像检测驾驶员的注视区域;根据驾驶员的眨眼频率、头部姿态或注视区域判断该驾驶员是否为疲劳驾驶。2.根据权利要求1所述的一种疲劳驾驶监测方法,其特征在于,所述构建检测睁/闭眼的检测模型,计算驾驶员的眨眼频率,包括:步骤1.1:采集驾驶员面部图像数据构建睁/闭眼检测数据集;步骤1.2:构建LeNet神经网络作为检测睁/闭眼的模型,并利用睁/闭眼检测数据集进行训练;步骤1.3:针对待监测驾驶员的面部图像,利用训练后的神经网络LeNet进行睁眼或闭眼预测,统计检测结果为闭眼的相邻20帧图像所占用的总时长T。3.根据权利要求2所述的一种疲劳驾驶监测方法,其特征在于,所述通过计算驾驶员头部姿态的欧拉角估计驾驶员的头部姿态,包括:步骤2.1:使用级联回归树算法,对每张图像中人脸的68个关键点进行定位,得到68个关键点的二维坐标;步骤2.2:根据通用的头部关键点三维坐标与步骤2.1中得到的68个面部关键点的二维坐标通过N点透视位姿求解算法,计算头部的旋转矩阵rot_vectort;步骤2.3:将旋转矩阵转化为空间坐标系中俯仰角pitch、偏航角yaw、翻滚角roll,以表征驾驶员的头部姿态。4.根据权利要求3所述的一种疲劳驾驶监测方法,其特征在于,所述构建驾驶员注视区域的检测模型,通过驾驶员的眼睛图像和面部图像检测驾驶员的注视区域,包括:步骤3.1:将公开数据集DDGC
‑
DB1作为模型的训练集;步骤3.2:针对训练集中的每个样本,进行规格调整,统一调整到224
×
224大小;步骤3.3:在放缩后的图像中截取面部图像,将面部图像宽度记为L1,高度记为H1;步骤3.4:以眼睛区域的几何中心为中心,截取双眼图像,将两眼角之间的距离记为L2,高度记为H2;步骤3.5:将截取的面部图像和双眼图像分别使用VGG16神经网络的卷积层进行特征提取,得到3个1
×
4096的特征向量,分别记为ξ、ψ、γ;步骤3.6:将步骤3.5计算得的向量计算加权后的和向量Γ;计算向量ξ、ψ之间的欧式距离o1:计算向量ξ、γ之间的欧式距离o2:Γ=ξ+o1ψ+o2γ式中,ξ
k
表示向量ξ的第K个元素值,ψ
k
表示向量ψ的第K个元素值,γ
k
表示向量γ的第K个元素值,k=1,2,3,
……
,4095;
ψ=[ψ0,ψ1,......,ψ
4095
],γ=[γ0,γ1,......γ
4095
],ξ=[ξ0,ξ1,......,ξ
4095
];步骤3.7:将和向量Γ经两个全连接层计算后将结果使用softmax归一化计算得到向量R,R中的元素值即为预测的各类别概率值,其中最大值所在的元素位置即为注视区域的预测结果。5.根据权利要求4所述的一种疲劳驾驶监测方法,其特征在于,所述根据驾驶员的眨眼频率、头部姿态或注视区域判断该驾驶员是否为疲劳驾驶,具体表述为:针对待监测驾驶员的面部图像,利用训练后的LeNet神经网络进行睁眼或闭眼预测,统计预测结果为闭眼的相邻20帧图像所占用的总时长T,如果T小于等于一分钟或者T大于等于两分钟,则认为驾驶员已为疲劳驾驶;当一段时间内pitch、yaw、roll的变化最大值均小于等于设定阈值时,判断驾驶员已为疲劳驾驶;针对待监测驾驶员的面部图像,根据截取的面部图像、双眼图像进行注视区域检测,当驾驶员在一定时间段内预测结果均为同一个注视区域时,判断驾驶员已为疲劳驾驶。6.根据权利要求2所述的一种疲劳驾驶监测方法,其特征在于,所述步骤1.1包括:步骤1.1.1:针对N个驾驶员,分别采集头部不同角度的面部图像数据;步骤1.1.2:对每张图像中人脸的68个关键点进行定位;步骤1.1.3:获取到人脸关键点后对人脸方向以及大小进行矫正;步骤1.1.4:截取矫正后的眼部图像作为训练集中的样本;步骤1.1.5:对每个样本打标签,标签为睁眼或者闭眼。7.根据权利要求6所述的一种疲劳驾驶监测方法,其特征在于,所述步骤1.1.3包括:步骤S1
‑
1:以图像的左上角点为原点,水平方向为横轴,竖直方向为纵轴,根据左眼的左眼角关键点P
37<...
【专利技术属性】
技术研发人员:李春麟,程维,魏志国,孙霜铭,潘永康,彭程,
申请(专利权)人:东北大学,
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。