本发明专利技术公开了一种无感式疲劳驾驶监测预警干预方法，通过监测疲劳监测特征点位降维在平面空间模板的指定区域的适配矩形框中的点间距离变化，并以此计算每个监测时点的疲劳度，实现了对是否出现疲劳驾驶的持续监控，且通过融合了不同驾驶环境、不同驾驶状态下表征疲劳状态的各疲劳特征间的相关性、差异性，提升了疲劳驾驶判断的准确性；疲劳度阈值因人而异且动态更新，减少了误判可能，提升了算法的针对性；通过在具有明确空间相对位置关系的各指定区域中设置尺寸固定且编码唯一的若干矩形框，能够快速计算出各疲劳监测特征点位在平面空间模板的定位位置，且有利于放大疲劳状态特征，利于提升疲劳监测的计算速度。
1、目前，对于疲劳驾驶的监测原理主要有两种：第一种是监测转向操作的频率，第二种是监测转向加速度。监测转向操作频率以识别是否出现疲劳驾驶的基本原理为：当转向操作频率变低时，机器判定疑似进入疲劳驾驶状态，但驾驶在高速公路上，转向操作频率自然变低，该方式并不适于对高速公路驾驶的疲劳监测，且应用在城市道路中进行疲劳驾驶监测，由于监测指标单一，准确度也较低。
2、监测转向加速度以识别是否疲劳驾驶的原理为：当监测到伴有轻微但突然的转向动作后，机器即判定出现疲劳驾驶，该方法相比较第一种方法监测准确度得到明显提升。但该方法存在如下技术问题：
>3、提供一种无感式疲劳驾驶监测预警干预方法，包括步骤：4、s1，实时监测疲劳监测特征点位在降维虚拟空间的点间距离变化，以计算每个监测时点的疲劳度；
5、s2，判断所述疲劳度是否大于动态更新的当前时点对应的疲劳度阈值，
6、若是，则干预疲劳驾驶；
7、若否，则生成提示信息以提示驾驶员确认疲劳状态，并在驾驶员确认后转入步骤s3；
8、s3，记录确认信息并更新所述疲劳度阈值。
9、作为优选，步骤s1中，所述疲劳度的计算方法包括步骤：
10、s11，根据当前驾驶环境和驾驶状态获取对应的疲劳监测特征集合；
11、s12，从实时采集的每帧人脸图像中提取所述疲劳监测特征集合中记载的每个疲劳监测特征点位，并降维映射到平面空间模板中的对应指定区域的适配矩形框中，不同类型的所述指定区域相互间呈“△”形排布；
12、s13，获取当前监测时点关联的距离变化历史特征时序序列，表示序列中的第个元素的距离变化量，所述距离变化量为处于不同的所述指定区域中的两两所述疲劳监测特征点位间的距离变化的均值，1＜i＜n；
13、s14，抽取所述距离变化历史特征时序序列中的前个元素构成第一数组，剩余元素构成第二数组，然后分别计算所述第一数组和所述第二数组中的各元素的所述距离变化量的均值，分别记为，并将与的差值绝对值作为时点的所述疲劳度。
14、作为优选，步骤s11中，当所述驾驶环境为白天和/或所述驾驶状态为驾驶速度低于预设速度阈值时，对应获取的所述疲劳监测特征集合中包括瞳孔关键点和脸部关键点，
15、当所述驾驶环境为黑夜和/或所述驾驶状态为驾驶速度大于等于预设的所述速度阈值时，对应获取的所述疲劳监测特征集合中包括所述脸部关键点，
16、所述脸部关键点包括眼睑关键点、颧骨关键点和下巴关键点。
17、作为优选，步骤s12中的所述平面空间模板中包括至少2个所述指定区域，每个所述指定区域中包括若干个尺寸不同且编号唯一的矩形框，不同类型的所述疲劳监测特征点位被降维映射到对应的所述指定区域中的适配的所述矩形框内，具体方法包括步骤：
18、s121，截取包含同类型的所述疲劳监测特征点位的区域图像，然后计算类型对应的所述指定区域中的每个所述矩形框容置所述区域图像后，所述区域图像与容置的所述矩形框的面积交并比，并将交并比最大的所述矩形框作为适配对象；
19、s122，计算所述疲劳监测特征点位的三维坐标并进行二维降维；
20、s123，将降维后的二维坐标点位与所述适配对象中的参考点位对齐后，实现对所述疲劳监测特征点位与适配的所述矩形框的空间关系降维映射。
21、作为优选，步骤s122中，计算所述疲劳监测特征点位的三维坐标的方法包括步骤：
22、s1221，在同一时刻以不同视角采集人脸图像，然后提取每个视角下采集的人脸图像中的耳垂关键点和下巴关键点，并以离地最近的所述下巴关键点作为三维坐标计算的第一参照点位，以第二视角或第三视角中的离地最远的耳垂关键点作为三维坐标计算的第二参照点位；
23、s1222，对第二视角或第三视角下未检测到所述第一参照点位和或所述第二参照点位的人脸图像，计算所述第一参照点位和/或所述第二参照点位在该视角下分别对应的第一虚拟点位，和/或第二虚拟点位；
24、s1223，设定所述第一参照点位在三维坐标系下的z轴坐标为“0”值，以所述第二参照点位与所述第一参照点位的垂直距离为所述第二参照点位在z轴上的坐标值，然后根据每个所述疲劳监测特征点位与所述第一参照点位或所述第一虚拟点位，以及与所述第二参照点位或所述第二虚拟点位的空间距离关系，解出所述疲劳监测特征点位的三维坐标。
25、作为优选，步骤s1222中，计算所述第一虚拟点位的方法包括步骤：
26、a1，获取头部在当前帧相对于未转动的初始状态的转动角度；
27、a2，获取未作为所述第一参照点位的另一下巴关键点在当前视角下采集的人脸图像中的定位位置；
28、a3，根据所述另一下巴关键点的所述定位位置和步骤a1获取的所述转动角度，以及所述另一下巴关键点与所述第一参照点位的空间位置关系，计算出所述第一参照点位在当前视角下的人脸图像中的所述第一虚拟点位。
29、作为优选，步骤s1223中，所述疲劳监测特征点位在三维空间的x轴坐标值为：所述疲劳监测特征点位在第一视角下与所述第二参照点位或所述第二虚拟点位的水平距离；
30、y轴坐标值为：所述疲劳监测特征点位在第二视角或第三视角下与所述第二参照点位或所述第二虚拟点位的水平距离；
31、z轴坐标值为：任意视角下所述疲劳监测特征点位与所述第一参照点位或所述第一虚拟点位的垂直距离。
32、作为优选，步骤s122中，对所述疲劳监测特征点位进行二维降维的方法为：
33、同张人脸图像中的各所述疲劳监测特征点位的三维坐标中，轴类型对应且轴坐标值相同的个数至少为“1”；
34、步骤s123中，对齐所述二维坐标点位和所述参考点位的方法为：
35、抽取同类型的各所述疲劳监测特征点位中的任意一个作为对齐对象；
36、匹配出所述对齐对象在所述矩形框中对应的所述参考点位；
37、将所述对齐对象与匹配到的所述参考点位对齐后，以将本文档来自技高网...
【技术保护点】
1.一种无感式疲劳驾驶监测预警干预方法，其特征在于，包括步骤：
2.根据权利要求1所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S1中，所述疲劳度的计算方法包括步骤：
3.根据权利要求2所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S11中，当所述驾驶环境为白天和/或所述驾驶状态为驾驶速度低于预设速度阈值时，对应获取的所述疲劳监测特征集合中包括瞳孔关键点和脸部关键点，
4.根据权利要求2所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S12中的所述平面空间模板中包括至少2个所述指定区域，每个所述指定区域中包括若干个尺寸不同且编号唯一的矩形框，不同类型的所述疲劳监测特征点位被降维映射到对应的所述指定区域中的适配的所述矩形框内，具体方法包括步骤：
5.根据权利要求4所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S122中，计算所述疲劳监测特征点位的三维坐标的方法包括步骤：
6.根据权利要求5所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S1222中，计算所述第一虚拟点位的方法包括步骤：</p>7.根据权利要求5或6所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S1223中，所述疲劳监测特征点位在三维空间的x轴坐标值为：所述疲劳监测特征点位在第一视角下与所述第二参照点位或所述第二虚拟点位的水平距离；
8.根据权利要求4所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤S122中，对所述疲劳监测特征点位进行二维降维的方法为：
9.根据权利要求8所述的无感式疲劳驾驶监测预警干预方法，其特征在于，所述疲劳监测特征点位的类型包括眼睑类型，瞳孔类型和嘴型类型中的任意一种或多种，其中，眼睑类型的所述疲劳监测特征点位包括上眼睑关键点和/或下眼睑关键点；
10.根据权利要求2-6、8-9中的任意一项所述的无感式疲劳驾驶监测预警干预方法，其特征在于，当所述驾驶环境为黑夜和/或所述驾驶状态为驾驶速度大于等于预设的速度阈值时，的计算方法包括步骤：
...
【技术特征摘要】
1.一种无感式疲劳驾驶监测预警干预方法，其特征在于，包括步骤：
2.根据权利要求1所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤s1中，所述疲劳度的计算方法包括步骤：
3.根据权利要求2所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤s11中，当所述驾驶环境为白天和/或所述驾驶状态为驾驶速度低于预设速度阈值时，对应获取的所述疲劳监测特征集合中包括瞳孔关键点和脸部关键点，
4.根据权利要求2所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤s12中的所述平面空间模板中包括至少2个所述指定区域，每个所述指定区域中包括若干个尺寸不同且编号唯一的矩形框，不同类型的所述疲劳监测特征点位被降维映射到对应的所述指定区域中的适配的所述矩形框内，具体方法包括步骤：
5.根据权利要求4所述的无感式疲劳驾驶监测预警干预方法，其特征在于，步骤s122中，计算所述疲劳监测特征点位的三维坐标的方法包括步骤：
6.根据权利要求5所述的无感式...
【专利技术属性】
技术研发人员：阮系真，张博，
申请(专利权)人：杭州臻稀生物科技有限公司，
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。