疲劳驾驶检测方法及系统技术方案

本发明专利技术提供了一种疲劳驾驶检测方法及系统

【技术实现步骤摘要】
疲劳驾驶检测方法及系统、机器可读存储介质


[0001]本专利技术涉及疲劳检测领域，特别是涉及一种疲劳驾驶检测方法及系统
、
机器可读存储介质
。

技术介绍

[0002]疲劳后继续驾驶车辆，会感到困倦瞌睡，四肢无力，注意力不集中，判断能力下降，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，极易发生道路交通事故
。
据统计，疲劳驾驶造成的交通事故占比达到
20
％以上
。
[0003]驾驶员疲劳检测系统
(Driver Monitor System
，简称
DMS)
目前在乘用车应用领域广泛被应用，现有
DMS
技术应用最广泛的方案是
IR
‑
camera(Infrared camera
，红外补光摄像头
)
，即采用带有
IR
红外补光功能的
RGB
高清摄像头，采集驾驶员的面部图像，采用神经网络算法模型提取关键特征点并进行分析，判断驾驶员的疲劳状态，并根据疲劳状态发出报警提示
。
这种方案在环境光照的适应性方面存在不足，尤其对于光线较暗等拍摄条件不好的场景，采集的图像效果不佳，会导致误报漏报
。
[0004]另外，现有技术中还出现了一种基于毫米波雷达的疲劳驾驶检测技术，毫米波雷达发射出电磁波，探测驾驶员胸腔的轻微振动，并对反射回来的电磁波进行换算和频谱分析，得到驾驶员的呼吸频率和心率，根据设定的驾驶员疲劳状态下的心率和呼吸频率阈值，判断驾驶员此时的疲劳状态
。
但是这种疲劳驾驶检测技术受限于杂波干扰以及器件性能，对于驾驶舱内微震动的检测会产生的一定概率的误判
。
另外不同驾驶员的身体条件
、
生理特征也存在差异，毫米波雷达对某些特殊身体条件的驾驶员也会容易出现误判
。
[0005]因此，现有技术的疲劳驾驶检测方法普遍存在不足，准确性一般
。

技术实现思路

[0006]本专利技术的一个目的是提高疲劳驾驶检测的准确性，降低错检误检率
。
[0007]本专利技术一个进一步的目的是避免疲劳检测受到驾驶舱环境以及驾驶员个体差异的影响，提高适用性
。
[0008]根据本专利技术的一个方面，提供了一种疲劳驾驶检测方法，其包括：
[0009]获取驾驶员的面部图像，并从面部图像中提取预设的疲劳特征信息；
[0010]获取毫米波雷达对驾驶员胸腔振动的探测信号，根据探测信号分析计算得出驾驶员的生命体征数据；
[0011]将疲劳特征信息以及生命体征数据作为预设的疲劳状态估计模型的输入数据，疲劳状态估计模型通过对疲劳样本数据进行监督学习训练得到；
[0012]由疲劳状态估计模型进行融合分类计算，得到驾驶员疲劳等级
。
[0013]可选地，获取驾驶员的面部图像的步骤包括：
[0014]探测图像拍摄换环境的环境亮度；
[0015]在环境亮度低于设定亮度阈值的情况下，启动红外光源进行拍摄补光
。
[0016]可选地，从面部图像中提取预设的疲劳特征信息的步骤包括：
[0017]实时提取面部图像中的面部特征点的坐标信息；
[0018]根据坐标信息估算疲劳特征信息，疲劳特征信息包括以下任一项或多项：眨眼的幅度和
/
或频率和
/
或持续时长
、
张口的幅度和
/
或频率和
/
或持续时长
、
点头的幅度和
/
或频率和
/
或持续时长
。
[0019]可选地，根据探测信号分析计算得出驾驶员的生命体征数据的步骤包括：
[0020]将探测信号进行频域转换，得到频域信号；
[0021]对频域信号进行杂波过滤，得到生命体征对应的特征频谱；
[0022]对特征频谱进行分析，得到生命体征数据，生命体征数据包括呼吸数据和
/
或心率数据
。
[0023]可选地，疲劳状态估计模型的训练过程包括：
[0024]获取采集的原始数据，原始数据包括测试人员的疲劳特征信息
、
生命体征数据
、
疲劳状态；
[0025]对原始数据按照分类标记，形成疲劳样本数据；
[0026]使用深度学习算法对疲劳样本数据进行训练，得到疲劳状态估计模型
。
[0027]可选地，在得到疲劳状态估计模型的步骤之后还包括：
[0028]使用独立于疲劳样本数据的测试数据对疲劳状态估计模型进行验证及调优，对疲劳状态估计模型进行更新
。
[0029]可选地，在得到驾驶员疲劳等级之后还包括：
[0030]根据驾驶员疲劳等级生成对应的提醒信号，以提醒驾驶员，从而降低疲劳驾驶的风险
。
[0031]根据本专利技术的另一个方面，还提供了一种机器可读存储介质，其上存储有机器可执行程序，机器可执行程序被处理器执行时实现上述任一种疲劳驾驶检测方法
。
[0032]根据本专利技术的另一个方面，还提供了一种疲劳驾驶检测系统，其包括：
[0033]摄像头模组，配置成拍摄驾驶员的面部图像；
[0034]毫米波雷达，配置成检测驾驶员胸腔振动，得到探测信号；
[0035]控制单元，其包括处理器以及存储器，存储器上存储有机器可执行程序，机器可执行程序被处理器执行时实现上述任一种的疲劳驾驶检测方法
。
[0036]可选地，摄像头模组通过
LVDS
信号方式向控制单元提供面部图像；
[0037]毫米波雷达通过
CAN
总线向控制单元提供探测信号；并且疲劳驾驶检测系统还包括：
[0038]车身报警器，与控制单元通过
CAN
总线连接，并配置成发出与疲劳等级对应的提醒信号
。
[0039]本专利技术的疲劳驾驶检测方法及系统，将从驾驶员面部图像中提取出的疲劳特征信息以及从毫米波雷达对驾驶员胸腔振动的探测信号分析计算得出的驾驶员生命体征数据进行融合，从而采用数据紧耦合的方式融合两个不同检测装置检测到的数据，实现了多维度综合评估，提升了驾驶员疲劳检测结果的准确性，有效降低了误报的概率
。
[0040]进一步地，本专利技术的疲劳驾驶检测方法及系统，使用摄像头模组以及毫米波雷达作为检测部件，采用非接触
、
非穿戴的手段进行探测，不会给驾驶员带来负担和额外操作，
可接受程度高，提高了应用体验
。
[0041]更进一步地，本专利技术的疲劳驾驶检测方法及系统，对疲劳状态估计模型训练过程还进行了优化，利用分类标记的样本数据使用深度学习算法进行训练，多维度模型还使用独立的测试数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种疲劳驾驶检测方法，包括：获取驾驶员的面部图像，并从所述面部图像中提取预设的疲劳特征信息；获取毫米波雷达对驾驶员胸腔振动的探测信号，根据所述探测信号分析计算得出驾驶员的生命体征数据；将所述疲劳特征信息以及所述生命体征数据作为预设的疲劳状态估计模型的输入数据，所述疲劳状态估计模型通过对疲劳样本数据进行监督学习训练得到；由所述疲劳状态估计模型进行融合分类计算，得到驾驶员疲劳等级
。2.
根据权利要求1所述的疲劳驾驶检测方法，其中，所述获取驾驶员的面部图像的步骤包括：探测图像拍摄换环境的环境亮度；在所述环境亮度低于设定亮度阈值的情况下，启动红外光源进行拍摄补光
。3.
根据权利要求1所述的疲劳驾驶检测方法，其中，所述从所述面部图像中提取预设的疲劳特征信息的步骤包括：实时提取所述面部图像中的面部特征点的坐标信息；根据所述坐标信息估算所述疲劳特征信息，所述疲劳特征信息包括以下任一项或多项：眨眼的幅度和
/
或频率和
/
或持续时长
、
张口的幅度和
/
或频率和
/
或持续时长
、
点头的幅度和
/
或频率和
/
或持续时长
。4.
根据权利要求1所述的疲劳驾驶检测方法，其中，所述根据所述探测信号分析计算得出驾驶员的生命体征数据的步骤包括：将所述探测信号进行频域转换，得到频域信号；对所述频域信号进行杂波过滤，得到所述生命体征对应的特征频谱；对所述特征频谱进行分析，得到所述生命体征数据，所述生命体征数据包括呼吸数据和
/
或心率数据
。5.
根据权利要求1所述的疲劳驾驶检测方法，其中...

【专利技术属性】
技术研发人员：王超，杜伟，
申请(专利权)人：宁波路特斯机器人有限公司，
类型：发明
国别省市：