【技术实现步骤摘要】
本专利技术属于面部识别领域，具体是一种人工智能面部识别设备。
技术介绍
1、随着我国经济的高速发展和人民生活水平的不断提高，人均拥有车辆的数量的速度不断增长。由于车辆驾驶已经成为日常生活中的一个重要行为，而驾驶行为与车辆设计等密切相关，因此，驾驶状态的识别也凸显出其重要性。
2、现有技术中，通过识别驾驶员面部表情、眨眼频率、视线专注度等，对驾驶员状态进行判断，分析驾驶员其是否处于高风险状态，然后采用吹风、喷洒清醒喷雾等手段对驾驶员进行提醒。在驾驶中，造成车祸的主要原因是制动距离的把握不当，若驾驶员处于醉酒、恍惚、疲惫等状态下，则会导致反应时间延长，难以对紧急情况进行反应。通过对驾驶员反应能力进行判断分析，能够确保驾驶员在驾驶时有良好的反应时间，对紧急情况进行反应。
技术实现思路
1、为了解决上述问题，本专利技术的目的是提供一种人工智能面部识别设备，能够在对驾驶员高风险状态提醒时，识别记录驾驶员对提醒动作的反应时间，确保驾驶员在驾驶时有良好的反应时间。
2、为了实现上述目的，本专利技术的技术方案如下：一种人工智能面部识别设备，包括采集组件、提醒器和控制器；
3、采集组件包括摄像头，摄像头位于驾驶舱内；
4、提醒器位于驾驶舱内靠近挡风玻璃的一侧；
5、摄像头和提醒器与控制器信号连接，控制器用于获取摄像头拍摄的驾驶员面部影像，根据面部影像对驾驶员面部颜色、面部表情、眼部状态、头部运动轨迹和视线方向进行识别，判断驾驶员是否处于高风
6、当驾驶员处于高风险驾驶状态时，控制提醒器对驾驶员进行提醒，记录提醒器触发时间戳；对驾驶员面部表情变化、眼部睁开、视线方向改变为提醒器方向、头部回正于提醒器方向行为进行监视，行为触发后减去醒器触发时间戳得到驾驶员反应时间，当驾驶员反应时间大于预设值时发出警报。
7、采用上述方案后实现了以下有益效果：摄像头用于捕捉驾驶员面部影像。提醒器位于驾驶舱内靠近挡风玻璃的一侧，使提醒器发出提示时，驾驶员的注意力能够返回挡风玻璃方向。
8、控制器用于进行图像处理，利用边缘特征分析法进行面部特征提取识别。在驾驶过程视线方向能够体现驾驶员是否在集中注意力驾驶，而驾驶中需要对大范围的路况进行观察，注视区域的范围大，因此在视线方向的测定上不必精确到具体的点位，仅需确定大致的视线方向。所以基于面部影像，采用瞳孔定位获取视线方向。
9、当驾驶员处于疲劳、醉酒和恍惚等状态下，会在面部颜色上体现驾驶员体征状态，由于驾驶室内环境稳定，受光线等因素的影响较小，因此能够直接基于色彩进行面部颜色分析及定位。驾驶员的面部表情体现驾驶员精神稳定度，当驾驶员处于过于亢奋或消极状态下，同样会影响判断分析能力，造成操作能力下降。眼部状态则直接关系驾驶员的观测能力，在困乏状态下，眨眼频率、眼皮闭合时长均会提升。头部运动轨迹则反馈驾驶员的身体控制能力，当身体控制能力较差时，驾驶员难以稳定头部位置，使头部不断点动或晃动。
10、当驾驶员处于高风险驾驶状态时，控制提醒器对驾驶员进行提醒，尝试对驾驶员进行清醒，并根据驾驶员受到的反应，进一步测量驾驶员的反应时长。以驾驶员发生面部表情变化、眼部睁开、视线方向改变为提醒器方向、头部回正于提醒器方向行为为触发标准，测定驾驶员在受到提醒的反应时间，对驾驶员的反应力进行评估，判断驾驶员的反应力是否能够继续行驶。
11、进一步，提醒器为led灯、蜂鸣器和震动马达中的一种或多种。
12、有益效果：提醒器需要体形小巧，以减少占据的观察视野，且能够发出吸引驾驶员的行为，因此采用led灯、蜂鸣器和震动马达，对驾驶员进行提示。
13、进一步，控制器对驾驶员面部识别后，根据识别出的高风险驾驶状态特征进行评分，分值设有第一触发值和第二触发值，第二触发值大于第一触发值，当分值大于第一触发值时，控制器开始视线方向捕捉，当分值大于第二触发值时，判断驾驶员处于高风险驾驶状态。
14、有益效果：通过评分能够综合多种特征进行判断，减少偶然性。通过划分第一触发值和第二触发值，减少常态算力消耗。
15、进一步，控制器用于获取驾驶员面部影像，根据影像内面部色域分布定位驾驶员面部位置，判断驾驶员面部是否处于正常肤色状态，根据判断结果进行评分后将影像进行灰度处理。
16、有益效果：通过颜色判断驾驶员体征状态，随后的识别均为轮廓识别，因此进行灰度处理以减少算力消耗。
17、进一步，控制器用于获取驾驶员面部影像，对驾驶员眼部状态特征进行提取，眼部状态特征包括眨眼频率、眼部睁开大小、眼部闭合时长。
18、有益效果：眨眼频率、眼部睁开大小、眼部闭合时长能够体现驾驶员眼睛工作状态，判断驾驶员是否处于困倦状态。
19、进一步，控制器内预设有训练后的卷积神经网络，卷积神经网络通过大量驾驶过程中的头部运动轨迹进行训练，卷积神经网络用于判断驾驶员单位时间内的头部运动轨迹是否异常。
20、有益效果：正常驾驶中驾驶员头部也会出现点动或摆动，患者疲劳、醉酒和恍惚等状态下动作会更为频繁。利用卷积神经网络训练出常态驾驶头部运动轨迹模型后，对头部运动轨迹异常进行判断，以提高判断准确性，减少误判概率。
21、进一步，卷积神经网络还通过大量驾驶过程中的视线方向变化数据进行训练，卷积神经网络用于判断单位时间内驾驶员视线方向变化数据是否处于正常驾驶中。
22、有益效果：正常驾驶中驾驶员的视线方向变化也较频繁，且范围大。因此采用卷积神经网络对正常驾驶过程中的视线方向变化范围进行训练，以更好的评估驾驶员是否处于异常驾驶状态，提高判断准确性，减少误判概率。
23、进一步，控制器还用于采集驾驶员视线方向变化速度。
24、有益效果：视线方向变化速度同样能够体现驾驶员的身体控制能力，同样能够作为判断高风险驾驶的参数之一。
本文档来自技高网...【技术保护点】
1.一种人工智能面部识别设备，其特征在于：包括采集组件、提醒器和控制器；
2.根据权利要求1所述的人工智能面部识别设备，其特征在于：提醒器为LED灯、蜂鸣器和震动马达中的一种或多种。
3.根据权利要求2所述的人工智能面部识别设备，其特征在于：控制器对驾驶员面部识别后，根据识别出的高风险驾驶状态特征进行评分，分值设有第一触发值和第二触发值，第二触发值大于第一触发值，当分值大于第一触发值时，控制器开始视线方向捕捉，当分值大于第二触发值时，判断驾驶员处于高风险驾驶状态。
4.根据权利要求3所述的人工智能面部识别设备，其特征在于：控制器用于获取驾驶员面部影像，根据驾驶员面部影像内面部色域分布定位驾驶员面部位置，判断驾驶员面部是否处于正常肤色状态，根据判断结果进行评分后将驾驶员面部影像进行灰度处理。
5.根据权利要求4所述的人工智能面部识别设备，其特征在于：控制器用于获取驾驶员面部影像，对驾驶员眼部状态特征进行提取，眼部状态特征包括眨眼频率、眼部睁开大小、眼部闭合时长。
6.根据权利要求5所述的人工智能面部识别设备，其特征在于：控
7.根据权利要求6所述的人工智能面部识别设备，其特征在于：卷积神经网络还通过大量驾驶过程中的视线方向变化数据进行训练，卷积神经网络用于判断单位时间内驾驶员视线方向变化数据是否处于正常驾驶中。
8.根据权利要求7所述的人工智能面部识别设备，其特征在于：控制器还用于采集驾驶员视线方向变化速度。
...【技术特征摘要】
1.一种人工智能面部识别设备，其特征在于：包括采集组件、提醒器和控制器；
2.根据权利要求1所述的人工智能面部识别设备，其特征在于：提醒器为led灯、蜂鸣器和震动马达中的一种或多种。
3.根据权利要求2所述的人工智能面部识别设备，其特征在于：控制器对驾驶员面部识别后，根据识别出的高风险驾驶状态特征进行评分，分值设有第一触发值和第二触发值，第二触发值大于第一触发值，当分值大于第一触发值时，控制器开始视线方向捕捉，当分值大于第二触发值时，判断驾驶员处于高风险驾驶状态。
4.根据权利要求3所述的人工智能面部识别设备，其特征在于：控制器用于获取驾驶员面部影像，根据驾驶员面部影像内面部色域分布定位驾驶员面部位置，判断驾驶员面部是否处于正常肤色状态，根据判断结果进行评分后将驾驶员面部影像进行灰度处...
【专利技术属性】
技术研发人员：苏静，梁健民，朱佳怡，李用江，
申请(专利权)人：广东海洋大学，
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。