System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及汽车安全,具体的说是一种基于图像识别和bp神经网络的疲劳驾驶检测方法及系统。
技术介绍
1、随着经济水平的提高,私家车已经成为人们普遍的短途出行方式,汽车在给人们日常生活带来极大便利的同时,交通事故的发生率也与日俱增,给社会造成了巨大的财产损失和人员伤亡。
2、据调查统计,抛去环境等客观因素,疲劳驾驶行为在交通事故原因中占比很高。对疲劳驾驶行为进行检测,提前预警驾驶员因为疲劳驾驶可能导致的危险驾驶行为,能够有效的减少交通事故的发生。
3、现在用于检测疲劳驾驶行为的方法主要有:基于生理参数检测、基于车辆行为检测。基于生理参数的检测方法是给驾驶员穿戴一些辅助设备,通过检测驾驶员的心电图、脑电图、融合测量肌电图、脉搏等生理信号,提取数据特征,分析判别驾驶员疲劳状态;该方法虽然具有较高的疲劳驾驶检测精度,但需要驾驶员皮肤粘贴或穿戴一些接触式的传感设备,给驾驶员带来行动或生理的不便,造成不适感。基于车辆行为的检测方法是通过收集车辆在行驶期间车道偏离状态、方向盘转角和偏航角等车辆行为参数,分析车辆是否存在异常操作来判别驾驶疲劳行为;该方法极易受到外界因素干扰,存在识别率低或误判的情况。由此可见,现有技术对驾驶员的疲劳驾驶行为检测技术具有极大的不准确性和较低的实用性。
技术实现思路
1、本专利技术针对目前技术发展的需求和不足之处,提供一种基于图像识别和bp神经网络的疲劳驾驶检测方法及系统,能够有效的提前判断驾驶员的疲劳或异常驾驶行为,进而对驾驶员进行提醒预警
2、第一方面,本专利技术提供一种基于图像识别和bp神经网络的疲劳驾驶检测方法,解决上述技术问题采用的技术方案如下:
3、一种基于图像识别和bp神经网络的疲劳驾驶检测方法,包括如下步骤:
4、采集并识别驾驶员的面部数据;
5、对采集的面部数据进行预处理操作,根据预处理结果进行面部信息状态的判定;
6、构建bp神经网络,以采集的面部数据为输入、以面部数据对应的判定结果为输出训练bp神经网络,得到bp神经网络模型;
7、实时采集并识别驾驶员的面部数据,bp神经网络模型基于实时采集数据对驾驶员的疲劳状态进行判定。
8、可选的,采用红外高清摄像头对驾驶员的面部数据进行采集,采用图像识别技术识别面部数据中驾驶员的嘴部、眼部和头部的状态数据。
9、进一步可选的,驾驶员的嘴部状态包括嘴巴普通张开状态、打哈欠时的嘴巴大张状态、嘴巴闭合状态;
10、驾驶员的眼部状态包括眼睛眨眼频率、持续闭眼时间、瞳孔直径和perclos,其中perclos是在单位时间里眼睛闭合时间所占的百分比;
11、驾驶员的头部状态包括头部直立、头部稍垂、头部低垂的位置状态。
12、进一步可选的,根据预处理结果进行面部信息状态的判定时,满足(a)(b)(c)至少一种情况,即判定驾驶员处于疲劳驾驶状态:
13、(a)驾驶员的嘴部状态为打哈欠时的嘴巴大张状态,
14、(b)驾驶员的眼睛眨眼频率、持续闭眼时间、瞳孔直径和perclos超出设定阈值,
15、(c)驾驶员的头部状态为头部稍垂或头部低垂。
16、进一步可选的,bp神经网络模型内置有预警模块,在bp神经网络模型输出结果的判定驾驶员处于疲劳驾驶状态时,预警模块发出预警,提醒驾驶员就近休息。
17、可选的,对采集的面部数据进行的预处理包括:
18、对采集的面部数据首先进行数字化处理,随后进行类型变换、去噪滤波、叠加平滑、二值化操作。
19、第二方面,本专利技术提供一种基于图像识别和bp神经网络的疲劳驾驶检测系统,解决上述技术问题采用的技术方案如下:
20、一种基于图像识别和bp神经网络的疲劳驾驶检测系统,其包括:
21、数据采集模块,用于采集并识别驾驶员的面部数据;
22、数据处理模块,用于对采集的面部数据进行预处理操作,并根据预处理结果进行面部信息状态的判定;
23、构建及训练模块,用于构建bp神经网络,以采集的面部数据为输入、以面部数据对应的判定结果为输出训练bp神经网络,得到bp神经网络模型;
24、bp神经网络模型,内置预警模块,用于基于数据采集模块采集的实时数据对驾驶员的疲劳状态进行判定,并在判定驾驶员处于疲劳驾驶状态时,通过预警模块发出预警,提醒驾驶员就近休息。
25、可选的,所涉及数据采集模块采用红外高清摄像头对驾驶员的面部数据进行采集,采用图像识别技术识别面部数据中驾驶员的嘴部、眼部和头部的状态数据,其中:
26、驾驶员的嘴部状态包括嘴巴普通张开状态、打哈欠时的嘴巴大张状态、嘴巴闭合状态,
27、驾驶员的眼部状态包括眼睛眨眼频率、持续闭眼时间、瞳孔直径和perclos,其中perclos是在单位时间里眼睛闭合时间所占的百分比,
28、驾驶员的头部状态包括头部直立、头部稍垂、头部低垂的位置状态。
29、进一步可选的,所涉及数据处理模块根据预处理结果进行面部信息状态的判定时,满足(a)(b)(c)至少一种情况,即判定驾驶员处于疲劳驾驶状态:
30、(a)驾驶员的嘴部状态为打哈欠时的嘴巴大张状态,
31、(b)驾驶员的眼睛眨眼频率、持续闭眼时间、瞳孔直径和perclos超出设定阈值,
32、(c)驾驶员的头部状态为头部稍垂或头部低垂。
33、进一步可选的,所涉及数据处理模块对采集的面部数据进行的预处理包括:
34、对采集的面部数据首先进行数字化处理,随后进行类型变换、去噪滤波、叠加平滑、二值化操作。
35、本专利技术的一种基于图像识别和bp神经网络的疲劳驾驶检测方法及系统,与现有技术相比具有的有益效果是:
36、(1)本专利技术基于图像识别和bp神经网络,能够有效的提前判断驾驶员的疲劳或异常驾驶行为,进而对驾驶员进行提醒预警,做好应对,即可大大降低交通事故发生的几率,保障驾驶员的人身和财产安全。
37、(2)本专利技术可以提高对驾驶员疲劳驾驶行为提前预警概率,减少交通事故的发生,同时帮助汽车制造企业和汽车装备制造企业提供一种设备制造方案,具有实际应用价值。
本文档来自技高网...【技术保护点】
1.一种基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,采用红外高清摄像头对驾驶员的面部数据进行采集,采用图像识别技术识别面部数据中驾驶员的嘴部、眼部和头部的状态数据。
3.根据权利要求2所述的基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,驾驶员的嘴部状态包括嘴巴普通张开状态、打哈欠时的嘴巴大张状态、嘴巴闭合状态;
4.根据权利要求3所述的基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,根据预处理结果进行面部信息状态的判定时,满足(a)(b)(c)至少一种情况,即判定驾驶员处于疲劳驾驶状态:
5.根据权利要求4所述的基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,BP神经网络模型内置有预警模块,在BP神经网络模型输出结果的判定驾驶员处于疲劳驾驶状态时,预警模块发出预警,提醒驾驶员就近休息。
6.根据权利要求1所述的基于图像识别和BP神经网络的疲劳驾驶检测方法,其特征在于,对采集的面部
7.一种基于图像识别和BP神经网络的疲劳驾驶检测系统,其特征在于,其包括:
8.根据权利要求7所述的一种基于图像识别和BP神经网络的疲劳驾驶检测系统,其特征在于,所述数据采集模块采用红外高清摄像头对驾驶员的面部数据进行采集,采用图像识别技术识别面部数据中驾驶员的嘴部、眼部和头部的状态数据,其中:
9.根据权利要求8所述的一种基于图像识别和BP神经网络的疲劳驾驶检测系统,其特征在于,所述数据处理模块根据预处理结果进行面部信息状态的判定时,满足(a)(b)(c)至少一种情况,即判定驾驶员处于疲劳驾驶状态:
10.根据权利要求7所述的一种基于图像识别和BP神经网络的疲劳驾驶检测系统,其特征在于,所述数据处理模块对采集的面部数据进行的预处理包括:
...【技术特征摘要】
1.一种基于图像识别和bp神经网络的疲劳驾驶检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于图像识别和bp神经网络的疲劳驾驶检测方法,其特征在于,采用红外高清摄像头对驾驶员的面部数据进行采集,采用图像识别技术识别面部数据中驾驶员的嘴部、眼部和头部的状态数据。
3.根据权利要求2所述的基于图像识别和bp神经网络的疲劳驾驶检测方法,其特征在于,驾驶员的嘴部状态包括嘴巴普通张开状态、打哈欠时的嘴巴大张状态、嘴巴闭合状态;
4.根据权利要求3所述的基于图像识别和bp神经网络的疲劳驾驶检测方法,其特征在于,根据预处理结果进行面部信息状态的判定时,满足(a)(b)(c)至少一种情况,即判定驾驶员处于疲劳驾驶状态:
5.根据权利要求4所述的基于图像识别和bp神经网络的疲劳驾驶检测方法,其特征在于,bp神经网络模型内置有预警模块,在bp神经网络模型输出结果的判定驾驶员处于疲劳驾驶状态时,预警模块...
【专利技术属性】
技术研发人员:任凯新,张峰,李照川,王冠军,孙源,
申请(专利权)人:浪潮软件科技有限公司,
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。