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】
本专利技术涉及疲劳驾驶,具体涉及一种疲劳驾驶检测方法。
技术介绍
1、在现代社会中,交通事故是一项严重的公共安全问题,其中驾驶员疲劳是导致许多交通事故的主要原因之一。疲劳驾驶会降低驾驶员的注意力和反应能力,增加事故风险。因此,准确判别驾驶员的驾驶状态具有重要的实际意义。
2、目前,已有的驾驶员疲劳检测方法和安全装置,旨在检测驾驶员的状态并提供相应的警示和措施。现有的疲劳检测方法主要包括,基于生理特征信息、基于车辆状态的方法和基于计算机视觉的方法。其中:
3、基于生理特征的疲劳检测方法,是通过检测驾驶员的各项生理指标作为疲劳检测的依据,它是疲劳检测中最客观与最准确的方法之一,一般是通过实时检测驾驶员的生理信号来判断疲劳。然而,基于生理特征的疲劳检测方法由于传感器等器具,难以避免的需要与驾驶员产生接触,存在安全隐患。
4、基于车辆状态特征的疲劳检测方法,主要是将方向盘转动信息和道路偏移值等作为疲劳特征。尽管这种方法不需要接触司机的身体,但由于驾驶习惯、路况、车辆状况等客观因素的相异,检测算法的鲁棒性会受到很大影响。
5、基于计算机视觉的疲劳检测方法,主要检测驾驶员在驾驶过程中面部的外在变化,如眨眼、打哈欠或头部姿态的改变等。实际上,驾驶员面部状态与疲劳驾驶之间存在一定的关系,因此结合驾驶员面部的多个特征,分析驾驶员状态结果更加准确和具有鲁棒性。
技术实现思路
1、本专利技术提供了一种疲劳驾驶检测方法,综合了驾驶员的眼部特征和嘴部特征,以实
2、本专利技术通过下述技术方案实现:
3、本专利技术提供了一种疲劳驾驶检测方法,包括以下步骤:
4、s10、通过安装在驾驶舱内的摄像头,实时采集驾驶员的面部行为图像;
5、s20、将采集到的所述面部行为图像进行预处理,以提高图像的视觉效果;
6、s30、从预处理后的所述面部行为图像中提取关键特征,所述关键特征包括单位时间内眼睛闭合时间、眨眼频率和打哈欠频率;
7、s40、整合所述关键特征的参数,以形成综合疲劳指数;
8、s50、根据状态转移条件判定驾驶员的驾驶状态。
9、本专利技术提供的疲劳驾驶检测方法,首先通过安装在驾驶舱内的摄像头传感器,实时采集驾驶员的面部行为图像,然后对采集到的面部行为图像进行数据预处理,以提高图像的视觉效果,再从预处理后的面部行为图像中提取单位时间内眼睛闭合时间、眨眼频率和打哈欠频率等眼部关键特征和嘴部关键特征,然后整合所述关键特征的参数,以形成综合疲劳指数,从而综合了驾驶员的眼部特征、嘴部特征,最后通过状态转移模块判断是否满足状态转移条件,结合历史状态信息,进而实现对驾驶员驾驶状态的准确判别和实时检测。
10、具体而言,所述面部行为图像包括眨眼面部行为图像和打哈欠面部行为图像。
11、具体而言,s20包括子步骤:
12、s21、采用小波变换将所述面部行为图像分解成不同频率的子带;
13、s22、采用直方图均衡化调整所述面部行为图像的对比度。
14、具体而言,s30中:
15、所述单位时间内眼睛闭合时间的计算模型为式中,tc为单位时间内闭眼帧所占的时间,t为单位时间;
16、所述眨眼频率的计算模型为式中,c为单位时间内眨眼次数,t为单位时间;
17、所述打哈欠频率的计算模型为式中,cy为单位时间内打哈欠的次数,t为单位时间。
18、具体而言,s40中,所述综合疲劳指数计算模型为式中,f为综合疲劳指数,yi为特征参数,xi为特征参数权重。其中,特征参数权重xi将根据驾驶员酌情设定。
19、具体而言,s50中,将驾驶员状态划分为清醒、轻度疲劳和重度疲劳三种,通过状态转移图来表达。由于驾驶员状态是一个连续变化的过程,且驾驶员的实际驾驶状态不会有清醒与重度疲劳状态之间的直接转换。状态转移条件中涉及综合疲劳指数f和综合疲劳指数时间参数tp,即某一状态的持续时间。
20、本专利技术与现有技术相比,具有如下的优点和有益效果:
21、本专利技术提供的疲劳驾驶检测方法,首先通过安装在驾驶舱内的摄像头传感器,实时采集驾驶员的面部行为图像,然后对采集到的面部行为图像进行数据预处理,以提高图像的视觉效果,再从预处理后的面部行为图像中提取单位时间内眼睛闭合时间、眨眼频率和打哈欠频率等眼部关键特征和嘴部关键特征,然后整合所述关键特征的参数,以形成综合疲劳指数,从而综合了驾驶员的眼部特征、嘴部特征,最后依据历史状态信息,判断是否满足状态转移条件,进而实现对驾驶员驾驶状态的准确判别和实时检测。
本文档来自技高网...【技术保护点】
1.一种疲劳驾驶检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,所述面部行为图像包括眨眼面部行为图像和打哈欠面部行为图像。
3.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,S20包括子步骤:
4.根据权利要求3所述的疲劳驾驶检测预警方法,其特征在于,所述小波变换的模型为式中,W(a,b)为小波系数,x(n)为原始图像像素值,ψa,b(n)为小波基函数。
5.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,S30中:
6.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,S40中,所述综合疲劳指数计算模型为式中,F为综合疲劳指数,Yi为特征参数,Xi为特征参数权重。
7.根据权利要求1中所述的疲劳驾驶检测方法,其特征在于,S50中将驾驶员状态划分为清醒、轻度疲劳和重度疲劳三种,并通过状态转移图表达。
【技术特征摘要】
1.一种疲劳驾驶检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,所述面部行为图像包括眨眼面部行为图像和打哈欠面部行为图像。
3.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,s20包括子步骤:
4.根据权利要求3所述的疲劳驾驶检测预警方法,其特征在于,所述小波变换的模型为式中,w(a,b)为小波系数,x(n)为原始图像像素值,ψa...
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。