一种疲劳驾驶检测方法、装置及车辆制造方法及图纸

本发明专利技术公开了一种疲劳驾驶检测方法、装置及车辆，其中方法包括连续获取驾驶员在预设时间间隔内的多张检测图像，所述检测图像包括驾驶员的脸部区域、驾驶员的颈部区域和驾驶员的肘部区域；基于所述检测图像中的所述脸部、颈部和肘部区域的变化轨迹，分别得到驾驶员的第一、二和三疲劳度值；将所述第一、二和三疲劳度值输入至预设的疲劳度加权计算式中，并根据计算结果，判断驾驶员的疲劳状态。本发明专利技术实施例提供的疲劳驾驶检测方法、装置及车辆，通过综合考量驾驶员的脸部区域、颈部区域和肘部区域的影响，多维度分析驾驶员的状态变化，为后续的疲劳监测提供了可靠的数据支撑，提高了驾驶员疲劳检测结果的准确率。员疲劳检测结果的准确率。员疲劳检测结果的准确率。

【技术实现步骤摘要】
一种疲劳驾驶检测方法、装置及车辆


[0001]本专利技术涉及车辆
，尤其是涉及一种疲劳驾驶检测方法、装置及车辆。

技术介绍

[0002]随着我国汽车保有量的持续增长，交通事故发生的数量也呈现出不断上升的趋势。在引发车辆行驶事故的诸多因素中，疲劳驾驶是其中最主要的因素之一。疲劳驾驶是指驾驶员在经过较长时间连续行车后，生理机能和心理机能产生失调，其注意力、判断力、反应速度都可能严重削弱，因而，表现出驾驶技能的下降，这极易发生道路交通事故，严重影响驾驶安全。现有数据表明有近20％的交通事故与疲劳驾驶有关。因此，研究疲劳驾驶监测算法非常重要，能及时准确地检测到驾驶员的疲劳驾驶状态，然后进行提醒干预，这在安全驾驶中具有实际的应用价值。
[0003]在现如今的疲劳驾驶检测中，对于疲劳度的判断指标过于依赖驾驶员的脸部特征，没有全面综合考量驾驶员的各个维度的状态变化影响，导致驾驶员疲劳检测结果的准确率降低。

技术实现思路

[0004]本专利技术提供一种疲劳驾驶检测方法、装置及车辆，以解决现有的疲劳检测准确率较低的技术问题，通过综合考量驾驶员的脸部区域、颈部区域和肘部区域，多维度分析驾驶员的状态变化，为后续的疲劳监测提供了可靠的数据支撑，提高了驾驶员疲劳检测结果的准确率。
[0005]为了解决上述技术问题，本专利技术实施例提供了一种疲劳驾驶检测方法，包括：
[0006]连续获取驾驶员在预设时间间隔内的多张检测图像，其中所述检测图像包括驾驶员的脸部区域、驾驶员的颈部区域和驾驶员的肘部区域；<br/>[0007]基于所述检测图像中的所述脸部区域的变化轨迹，得到驾驶员的第一疲劳度值；基于所述检测图像中的所述颈部区域的变化轨迹，得到驾驶员的第二疲劳度值；基于所述检测图像中的所述肘部区域的变化轨迹，得到驾驶员的第三疲劳度值；
[0008]将所述第一疲劳度值、第二疲劳度值和第三疲劳度值输入至预设的疲劳度加权计算式中，并根据计算结果，判断驾驶员的疲劳状态。
[0009]作为其中一种优选方案，在连续获取驾驶员在预设时间间隔内的多张检测图像前，所述方法还包括：
[0010]在检测到当前时间位于驾驶员预先设置的时间段内时，生成检测图像获取指令；或，
[0011]在检测到当前行驶里程超过预设的行驶里程时，生成检测图像获取指令；或，
[0012]在判断出当前路段为拥堵路段时，生成检测图像获取指令，其中，所述当前路况拥堵与否的判断指标包括导航信息的反馈结果和检测到的当前路段的实时车流量。
[0013]作为其中一种优选方案，在连续获取驾驶员在预设时间间隔内的多张检测图像
后，所述方法还包括：
[0014]依次对所述检测图像进行图像分割、PAC降维和去噪处理。
[0015]作为其中一种优选方案，所述基于所述检测图像中的所述脸部区域的变化轨迹，得到驾驶员的第一疲劳度值，具体包括：
[0016]分别提取所述脸部区域中的脸部特征组，其中，所述脸部特征组至少包括上眼睑特征点、内眼角特征点和外眼角特征点；
[0017]分别计算多张所述检测图像中，所述上眼睑特征点的下坠变化弧度、所述内眼角特征点的开合变化幅度和所述外眼角特征点的开合变化幅度；
[0018]将所述下坠变化幅度和所述开合变化幅度输入至预设的脸部疲劳度加权计算式中，计算得到所述第一疲劳度值；
[0019]所述脸部疲劳度加权计算式为：
[0020]F1＝α
×
A1+β
×
A2+γ
×
A3
[0021]其中，F1为所述第一疲劳度值，α为上眼睑系数，α＝0.3，A1为所述下坠变化弧度，β为内眼角系数，β＝0.4，A2为内眼角特征点的所述开合变化幅度，γ为外眼角系数，γ＝0.2，A3为外眼角特征点的所述开合变化幅度。
[0022]作为其中一种优选方案，所述基于所述检测图像中的所述颈部区域的变化轨迹，得到驾驶员的第二疲劳度值，具体包括：
[0023]提取所述颈部区域中的下颌骨特征点；
[0024]计算多张所述检测图像中，所述下颌骨特征点的下垂变化弧度；
[0025]将所述下垂变化弧度输入至预设的颈部疲劳度加权计算式中，计算得到所述第二疲劳度值；
[0026]所述颈部疲劳度加权计算式为：
[0027]F2＝δ
×
B1
[0028]其中，F2为所述第二疲劳度值，δ为下颌骨系数，δ＝0.5，B1为所述下垂变化弧度。
[0029]作为其中一种优选方案，所述基于所述检测图像中的所述肘部区域的变化轨迹，得到驾驶员的第三疲劳度值，具体包括：
[0030]提取所述肘部区域中的肱骨末端特征点；
[0031]计算多张所述检测图像中，所述肱骨末端特征点的垂落变化弧度；
[0032]将所述垂落变化弧度输入至预设的肘部疲劳度加权计算式中，计算得到所述第三疲劳度值；
[0033]所述肘部疲劳度加权计算式为：
[0034]F3＝ε
×
C1
[0035]其中，F3为所述第三疲劳度值，ε为肱骨系数，ε＝0.4，C1为所述垂落变化弧度。
[0036]作为其中一种优选方案，所述疲劳度加权计算式为：
[0037]P＝F1+ρ
×
F2+μ
×
F3
[0038]其中，P为所述计算结果，ρ为颈部影响系数，ε＝0.78，μ为肘部影响系数，μ＝0.2333；
[0039]所述根据计算结果，判断驾驶员的疲劳状态，具体包括：
[0040]若所述计算结果大于或等于预设阈值时，则判断驾驶员为高疲劳度等级状态；
[0041]若所述计算结果小于所述预设阈值时，则判断驾驶员为低疲劳度等级状态。
[0042]作为其中一种优选方案，所述方法还包括：
[0043]基于YOLO
‑
v5算法构建卷积神经网络模型并对其进行训练；
[0044]将多张所述检测图像输入至训练后的所述卷积神经网络模型中，以使其对应输出所述第一疲劳度值、所述第二疲劳度值和所述第三疲劳度值。
[0045]本专利技术另一实施例提供了一种疲劳驾驶检测装置，包括智能座舱域控制器，所述智能座舱域控制器被配置为：
[0046]连续获取驾驶员在预设时间间隔内的多张检测图像，其中所述检测图像包括驾驶员的脸部区域、驾驶员的颈部区域和驾驶员的肘部区域；
[0047]基于所述检测图像中的所述脸部区域的变化轨迹，得到驾驶员的第一疲劳度值；基于所述检测图像中的所述颈部区域的变化轨迹，得到驾驶员的第二疲劳度值；基于所述检测图像中的所述肘部区域的变化轨迹，得到驾驶员的第三疲劳度值；
[0048]将所述第一疲劳度值、第二疲劳度值和第三疲劳度值输入至预设的疲劳度加权计算式中，并根据计算结果，判断驾驶员的疲劳状态。
[0049]本专利技术再一实施例提供了一种车辆，所述车辆包括如上所述的疲本文档来自技高网...

【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：连续获取驾驶员在预设时间间隔内的多张检测图像，其中所述检测图像包括驾驶员的脸部区域、驾驶员的颈部区域和驾驶员的肘部区域；基于所述检测图像中的所述脸部区域的变化轨迹，得到驾驶员的第一疲劳度值；基于所述检测图像中的所述颈部区域的变化轨迹，得到驾驶员的第二疲劳度值；基于所述检测图像中的所述肘部区域的变化轨迹，得到驾驶员的第三疲劳度值；将所述第一疲劳度值、第二疲劳度值和第三疲劳度值输入至预设的疲劳度加权计算式中，并根据计算结果，判断驾驶员的疲劳状态。2.如权利要求1所述的疲劳驾驶检测方法，其特征在于，在连续获取驾驶员在预设时间间隔内的多张检测图像前，所述方法还包括：在检测到当前时间位于驾驶员预先设置的时间段内时，生成检测图像获取指令；或，在检测到当前行驶里程超过预设的行驶里程时，生成检测图像获取指令；或，在判断出当前路段为拥堵路段时，生成检测图像获取指令，其中，所述当前路段拥堵与否的判断指标包括导航信息的反馈结果和检测到的当前路段的实时车流量。3.如权利要求1所述的疲劳驾驶检测方法，其特征在于，在连续获取驾驶员在预设时间间隔内的多张检测图像后，所述方法还包括：依次对所述检测图像进行图像分割、PAC降维和去噪处理。4.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述基于所述检测图像中的所述脸部区域的变化轨迹，得到驾驶员的第一疲劳度值，具体包括：分别提取所述脸部区域中的脸部特征组，其中，所述脸部特征组至少包括上眼睑特征点、内眼角特征点和外眼角特征点；分别计算多张所述检测图像中，所述上眼睑特征点的下坠变化弧度、所述内眼角特征点的开合变化幅度和所述外眼角特征点的开合变化幅度；将所述下坠变化弧度和所述开合变化幅度输入至预设的脸部疲劳度加权计算式中，计算得到所述第一疲劳度值；所述脸部疲劳度加权计算式为：F1＝α
×
A1+β
×
A2+γ
×
A3其中，F1为所述第一疲劳度值，α为上眼睑系数，α＝0.3，A1为所述下坠变化弧度，β为内眼角系数，β＝0.4，A2为内眼角特征点的所述开合变化幅度，γ为外眼角系数，γ＝0.2，A3为外眼角特征点的所述开合变化幅度。5.如权利要求4所述的疲劳驾驶检测方法，其特征在于，所述基于所述检测图像中的所述颈部区域的变化轨迹，得到驾驶员的第二疲劳度值，具体包括：提取所述颈部区域中的下颌骨特征点；计算多张所述检测图像中，所述下颌骨特征点的下垂变化弧...

【专利技术属性】
技术研发人员：黄莉，冉光伟，程畅，邓晨，刘耘，欧芫希，徐沁梅，陈德华，陈新，许好沂，董心慈，舒选才，
申请(专利权)人：星河智联汽车科技有限公司，
类型：发明
国别省市：