【技术实现步骤摘要】
一种基于人脸视频的疲劳度检测方法及系统
[0001]本专利技术涉及计算机
,具体涉及一种基于人脸视频的疲劳度检测方法及系统。
技术介绍
[0002]随着智能化技术的不断完善及人们的消费水平及需求不断上升,智能手机的功能也在不断增加,简单用手机打电话已经满足不了用户需求,现有智能手机包含即时通讯、查看天气、运动健康监测等功能。现有智能手机的健康监测功能可以实时监测人的心律、血压、血氧等健康指标,但是目前健康监测系统还不够完善,缺乏实时监测人疲劳度的功能。
技术实现思路
[0003]针对上述现有技术存在的问题,本专利技术提供了一种基于人脸视频的疲劳度检测方法及系统,有效实现实时准确监测人疲劳度。具体来说:
[0004]本申请提供了一种基于人脸视频的疲劳度检测方法,包括如下步骤:
[0005]获取人脸视频的图像序列;
[0006]对图像序列中的每个图像分别提取第一ROI区域,并在所述第一ROI区域中提取第二ROI区域;
[0007]基于人脸图像序列的第一ROI区域进行第一疲劳度特征参数分析,基于人脸图像序列的第二ROI区域进行第二疲劳度特征参数分析;
[0008]将第一疲劳度特征参数和第二疲劳度特征参数输入至预设分类模型,获取第一疲劳度。
[0009]在一些实施方式中,所述第一ROI区域表征图像中的人脸区域,所述第二ROI区域表征人脸区域中的眼部区域。
[0010]在一些实施方式中,所述基于人脸图像序列的第一ROI区域进行第一疲劳度特征参数分析, ...
【技术保护点】
【技术特征摘要】
1.一种基于人脸视频的疲劳度检测方法,其特征在于,包括:获取人脸视频的图像序列;对图像序列中的每个图像分别提取第一ROI区域,并在所述第一ROI区域中提取第二ROI区域;基于人脸图像序列的第一ROI区域进行第一疲劳度特征参数分析,基于人脸图像序列的第二ROI区域进行第二疲劳度特征参数分析;将第一疲劳度特征参数和第二疲劳度特征参数输入至预设分类模型,获取第一疲劳度。2.根据权利要求1所述的一种基于人脸视频的疲劳度检测方法,其特征在于,所述第一ROI区域表征图像中的人脸区域,所述第二ROI区域表征人脸区域中的眼部区域。3.根据权利要求1所述的一种基于人脸视频的疲劳度检测方法,其特征在于,所述基于人脸图像序列的第一ROI区域进行第一疲劳度特征参数分析,包括:基于第一ROI区域的图像像素数据分析第一ROI区域的像素特征分布参数;对所有第一ROI区域的像素特征分布参数形成的像素特征分布参数序列数据进行信号降噪;获取降噪后的像素特征分布参数序列数据的波峰、波谷和周期;基于所述周期、波峰和波谷获取所述像素特征分布参数序列数据的频率作为第一疲劳度特征参数。4.根据权利要求3所述的一种基于人脸视频的疲劳度检测方法,其特征在于,所述基于第一ROI区域的图像像素数据分析第一ROI区域的像素特征分布参数,包括:对第一ROI区域图像中的非嘴唇区域且非眼睛区域的像素平均值作为第一ROI区域的像素特征分布参数,对R、G、B通道图像的第一ROI区域的像素平均值分别记为第一通道像素特征分布参数、第二通道像素特征分布参数、第三通道像素特征分布参数;基于图像序列中的每个图像对应的各个通道像素特征分布参数分别形成对应通道像素特征分布参数的序列数据;基于各个通道像素特征分布参数序列数据在预设投影矩阵下进行投影,得到各个通道的所述序列数据的投影结果;基于序列数据的投影结果进行优化得到优化后的第一ROI区域的像素特征分布参数序列数据;所述投影模型为:Q(t)=V*X
n
(t),其中,V=(v
p
,v
i
)
T
为投影矩阵,Q(t)=(q
p
(t),q
i
(t))
T
为X
n
(t)投影后的结果,X
n
(t)=(r
n
(t),g
n
(t),b
n
(t))
T
,其中,r
n
(t)为第一通道像素特征分布参数的序列数据、g
n
(t)为第二通道像素特征分布参数的序列数据、b
n
(t)第三通道像素特征分布参数的序列数据,n为序列数据的长度;预设投影矩阵为:所述基于序列数据的投影结果进行优化,包括:
p(t)=
‑...
【专利技术属性】
技术研发人员:方丽萍,李鹏,李国要,吴琦,
申请(专利权)人:国网信息通信产业集团有限公司,
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。