一种基于移动终端判别司机疲劳驾驶的方法及装置制造方法及图纸

本发明专利技术公开了一种基于移动终端判别司机疲劳驾驶的方法及装置，其中方法包括：为司机设置异常值，并赋值为0；监测车道偏移次数，每次出现异常值加1；监测驾驶速率异常，每次出现异常值加1；预设时间段内，若异常值大于预设的临界值，则对司机进行观察；通过移动终端的摄像头持续监测司机的行为，抓取预设的特定行为；若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶；基于判别结果，若存在疲劳驾驶，则暂停司机出车并强制休息。本发明专利技术通过移动终端本身的功能特性，从多维度考虑，以多层渐进的方式，实现司机疲劳驾驶的准确判别。驶的准确判别。驶的准确判别。

【技术实现步骤摘要】
一种基于移动终端判别司机疲劳驾驶的方法及装置


[0001]本专利技术涉及司机疲劳驾驶的判别方法
，具体涉及一种基于移动终端判别司机疲劳驾驶的方法及装置。

技术介绍

[0002][0003]疲劳驾驶，是指驾驶人在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象，从而导致驾驶人出现动作迟误或过早，操作停顿或修正时间不当等不安全因素，极易发生道路交通安全事故。
[0004]现有的网约车出行平台，由于不能直接从汽车设备中获取驾驶数据，而现有的疲劳驾驶判别方式，一般通过乘客举报或汽车系统来直接监测，乘客可能留意不到，且可以通过伪造视频的方式绕过车载设备的监测，使得现有的网约车出行平台的疲劳驾驶判别技术难以执行，容易误判或漏判的情况，误判时容易影响司机的正常驾驶，漏判时容易出现意外风险。

技术实现思路

[0005]为了克服上述现有的疲劳驾驶识别容易错判和漏判的技术缺陷，本专利技术提供一种基于移动终端判别司机疲劳驾驶的方法及装置。
[0006]为了解决上述问题，本专利技术按以下技术方案予以实现的：
[0007]第一方面，本专利技术公开一种基于移动终端判别司机疲劳驾驶的方法，包括以下步骤：
[0008]步骤S1：为司机设置异常值，并赋值为0；
[0009]步骤S2：监测车道偏移次数，每次出现异常值加1；
[0010]步骤S3：监测驾驶速率异常，每次出现异常值加1；
[0011]步骤S4：预设时间段内，若异常值大于预设的临界值，则对司机进行观察；
[0012]步骤S5：通过移动终端的摄像头持续监测司机的行为，抓取预设的特定行为；
[0013]步骤S6：若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶；
[0014]步骤S7：基于判别结果，若存在疲劳驾驶，则暂停司机出车并强制休息。
[0015]作为第一方面的优选实施，所述监测车道偏移次数，每次出现异常值加1，具体包括以下子步骤：
[0016]基于移动终端中的运动传感器，获取车辆的运行轨迹；
[0017]判断车辆的运行轨迹中，是否出现车道偏移的情况；
[0018]判断车道偏移后修正所用时间；
[0019]将车道偏移并且修正超出预设时间的异常次数进行统计；
[0020]每出现一次车道异常偏移并修正，为司机对应的异常值加1。
[0021]作为第一方面的优选实施，所述监测驾驶速率异常，每次出现异常值加1，具体包括以下子步骤：
[0022]获取司机历史驾驶车速数据；
[0023]获取当前路段车辆通行的平均驾驶速度；
[0024]基于司机的历史驾驶车速数据，获取司机习惯车速；
[0025]将司机习惯车速除以平均驾驶速度，得到司机的习惯驾驶速率；
[0026]基于司机的当前驾驶车速，除以平均驾驶速度后，获得司机的当前驾驶速率；
[0027]将当前驾驶速率与习惯驾驶速率进行比对；
[0028]基于比对结果，若速率差距超出预设的范围，则为司机对应的异常值加1。
[0029]作为第一方面的优选实施，所述通过移动终端的摄像头持续监测司机的行为，抓取预设的特定行为，具体包括以下子步骤：
[0030]当司机的异常值大于预设临界值时，向移动终端的摄像头发出启动指令；
[0031]获取预设的特定行为图像，所述特定行为图像包括揉眼睛、打哈欠、甩头、掐大腿和掌掴的行为图像；
[0032]持续接收来自移动终端的摄像头拍摄的司机行为；
[0033]当将视频中的司机行为与特定行为的图形进行持续比对；
[0034]当司机出现特定行为时，进入下一阶段的疲劳驾驶识别。
[0035]作为第一方面的优选实施，所述若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶，具体包括以下子步骤：
[0036]当司机行为命中其中一项特定行为时，通知司机寻找安全位置停车，以进行进一步的人脸识别；
[0037]采用多帧检测算法，为司机拍摄面部特写视频，并分为多帧人脸图像；
[0038]获取人脸图像，进行图像预处理；
[0039]去除人脸图像的噪声以强调有用信息，增强图像对比度，凸显图像细节，提高人脸图像质量；
[0040]对人脸图像进行归一化处理，将图片的特征属性值调整到同一量纲，以提升模型精度；
[0041]将人脸图像以及特征属性值输送到疲劳驾驶识别模型中；
[0042]通过嘴部分类器和眼部分类器，提取司机面部的嘴部区域和眼部区域；
[0043]对嘴部区域进行特征判别，判别其中嘴部形状、张嘴时长及呼吸速率的异常；
[0044]对眼部区域进行特征判别，判别其中眼睛形状、闭眼时长及眨眼速率的异常；
[0045]获取疲劳驾驶识别模型输出的疲劳驾驶判别结果。
[0046]第二专利技术，本专利技术还公开一种基于移动终端判别司机疲劳驾驶的装置，包括：
[0047]异常赋值模块M1，其用于为司机设置异常值，并赋值为0；
[0048]偏移监测模块M2，其用于监测车道偏移次数，每次出现异常值加1；
[0049]速率监测模块M3，其用于监测驾驶速率异常，每次出现异常值加1；
[0050]初步观察模块M4，其用于在预设时间段内，若异常值大于预设的临界值，则对司机进行观察；
[0051]行为监测模块M5，其用于通过移动终端的摄像头持续监测司机的行为，抓取预设
的特定行为；
[0052]疲劳判别模块M6，其用于若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶；
[0053]强制执行模块M7，其用于基于判别结果，若存在疲劳驾驶，则暂停司机出车并强制休息。
[0054]作为第二方面的优选实施，所述偏移监测模块M2在运行时，具体执行以下步骤：
[0055]基于移动终端中的运动传感器，获取车辆的运行轨迹；
[0056]判断车辆的运行轨迹中，是否出现车道偏移的情况；
[0057]判断车道偏移后修正所用时间；
[0058]将车道偏移并且修正超出预设时间的异常次数进行统计；
[0059]每出现一次车道异常偏移并修正，为司机对应的异常值加1。
[0060]作为第二方面的优选实施，所述速率监测模块M3在运行时，具体执行以下步骤：
[0061]获取司机历史驾驶车速数据；
[0062]获取当前路段车辆通行的平均驾驶速度；
[0063]基于司机的历史驾驶车速数据，获取司机习惯车速；
[0064]将司机习惯车速除以平均驾驶速度，得到司机的习惯驾驶速率；
[0065]基于司机的当前驾驶车速，除以平均驾驶速度后，获得司机的当前驾驶速率；
[0066]将当前驾驶速率与习惯驾驶速率进行比对；
[0067]基于比对结果，若速率差距超出预设的范围，则为司机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动终端判别司机疲劳驾驶的方法，其特征在于，包括以下步骤：为司机设置异常值，并赋值为0；监测车道偏移次数，每次出现异常值加1；监测驾驶速率异常，每次出现异常值加1；预设时间段内，若异常值大于预设的临界值，则对司机进行观察；通过移动终端的摄像头持续监测司机的行为，抓取预设的特定行为；若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶；基于判别结果，若存在疲劳驾驶，则暂停司机出车并强制休息。2.根据权利要求1所述的基于移动终端判别司机疲劳驾驶的方法，其特征在于，所述监测车道偏移次数，每次出现异常值加1，具体包括以下子步骤：基于移动终端中的运动传感器，获取车辆的运行轨迹；判断车辆的运行轨迹中，是否出现车道偏移的情况；判断车道偏移后修正所用时间；将车道偏移并且修正超出预设时间的异常次数进行统计；每出现一次车道异常偏移并修正，为司机对应的异常值加1。3.根据权利要求2所述的基于移动终端判别司机疲劳驾驶的方法，其特征在于，所述监测驾驶速率异常，每次出现异常值加1，具体包括以下子步骤：获取司机历史驾驶车速数据；获取当前路段车辆通行的平均驾驶速度；基于司机的历史驾驶车速数据，获取司机习惯车速；将司机习惯车速除以平均驾驶速度，得到司机的习惯驾驶速率；基于司机的当前驾驶车速，除以平均驾驶速度后，获得司机的当前驾驶速率；将当前驾驶速率与习惯驾驶速率进行比对；基于比对结果，若速率差距超出预设的范围，则为司机对应的异常值加1。4.根据权利要求3所述的基于移动终端判别司机疲劳驾驶的方法，其特征在于，所述通过移动终端的摄像头持续监测司机的行为，抓取预设的特定行为，具体包括以下子步骤：当司机的异常值大于预设临界值时，向移动终端的摄像头发出启动指令；获取预设的特定行为图像，所述特定行为图像包括揉眼睛、打哈欠、甩头、掐大腿和掌掴的行为图像；持续接收来自移动终端的摄像头拍摄的司机行为；当将视频中的司机行为与特定行为的图形进行持续比对；当司机出现特定行为时，进入下一阶段的疲劳驾驶识别。5.根据权利要求4所述的基于移动终端判别司机疲劳驾驶的方法，其特征在于，所述若司机出现特定行为，则对司机进行人脸识别，以判别司机是否存在疲劳驾驶，具体包括以下子步骤：当司机行为命中其中一项特定行为时，通知司机寻找安全位置停车，以进行进一步的人脸识别；采用多帧检测算法，为司机拍摄面部特写视频，并分为多帧人脸图像；获取人脸图像，进行图像预处理；
去除人脸图像的噪声以强调有用信息，增强图像对比度，凸显图像细节，提高人脸图像质量；对人脸图像进行归一化处理，将图片的特征属性值调整到同一量纲，以提升模型精度；将人脸图像以及特征属性值输送到疲劳驾驶识别模型中；通过嘴部分类器和眼部分类器，提取司机面部的嘴部区域和眼部区域；对嘴部区域进行特征判别，判别其中嘴部形状、张嘴时长及呼吸速率的异常；对眼部区域进行特征判别，判别其中眼睛形状、闭眼时长及眨眼速率的异常；获取疲劳驾驶识别模型输出的疲劳驾驶判别结果。6.一种基于...

【专利技术属性】
技术研发人员：康雪斌，
申请(专利权)人：广州宸祺出行科技有限公司，
类型：发明
国别省市：