【技术实现步骤摘要】
本专利技术涉及疲劳检测，尤其涉及一种基于机器视觉的疲劳反馈方法、装置、系统及介质。
技术介绍
1、在现代社会中，许多行业和工作岗位要求工作者长时间保持警觉和高度专注，例如驾驶员、操作员、监控人员等。长时间的工作可能导致工作者出现疲劳，进而影响工作效率、增加工作事故的风险，并对工作者的身心健康造成不良影响。传统上，疲劳状态的检测主要依赖于主观感觉和定性判断，这种方法容易受到个体主观因素和环境影响，准确性和可靠性有限。
2、传统的疲劳反馈方法存在较大的主观性，疲劳检测结果的准确性有限，且现有技术只能得到待检测者的疲劳状态。
技术实现思路
1、为了解决上述问题之一，本专利技术的目的是提供一种基于机器视觉的疲劳反馈方法、装置、系统及介质，可以提高疲劳检测的准确性和可靠性，且可以个性化的推荐休息时间。
2、一方面，本专利技术提供了一种基于机器视觉的疲劳反馈方法，包括以下步骤：
3、获取待检测者的第一视频，对所述第一视频进行预处理得到视频图像和第二视频；所述预处理包括去噪、图像增强、图像分割或图像矫正的至少一个处理过程；
4、对所述视频图像进行人脸识别，得到待检测者的人脸图像，对所述第二视频进行姿势检测，得到待检测者的姿势关键点信息，对所述视频图像进行活动检测，得到待检测者的活动区域；
5、利用训练好的机器学习模型识别所述人脸图像、所述姿势关键点信息和所述活动区域，生成疲劳检测结果；
6、根据所述疲劳检测结果确定待休息时间
7、可选地，所述对所述视频图像进行人脸识别，得到待检测者的人脸图像，具体包括：
8、利用滑动窗口识别所述视频图像，得到哈尔特征，利用级联分类器处理所述哈尔特征，得到至少一个检测框；
9、对至少一个检测框进行非极大值抑制，得到待检测者的所述人脸图像。
10、可选地，所述对所述视频图像进行活动检测，得到待检测者的活动区域，具体包括：
11、追踪所述视频图像的每个像素点，得到光流向量；
12、根据所述光流向量和预设阈值，得到所述活动区域。
13、可选地，所述疲劳检测结果包括疲劳程度、疲劳状态和疲劳持续时间，所述根据所述疲劳检测结果确定待休息时间，具体包括：
14、根据所述疲劳程度、所述疲劳状态和所述疲劳持续时间生成疲劳值；
15、利用线性回归模型分析所述疲劳值的变化趋势，根据所述疲劳值和所述变化趋势确定待休息时间。
16、可选地，所述反馈方法还包括：
17、获取待检测者的个性化信息和休息时间阈值；
18、根据所述第二视频分析所述待检测者所处的环境和执行的任务，根据所述待检测者所处的环境、所述执行的任务和所述个性化信息修正所述待休息时间；
19、当所述待休息时间大于或等于所述休息时间阈值时，触发报警。
20、可选地，所述训练好的机器学习模型通过以下方法训练得到：
21、获取特征集；所述特征集包括人脸样本图像、姿势关键点样本信息和活动样本区域；
22、计算特征集中每一个特征与所述疲劳检测结果的相关系数，集合所述相关系数大于预设值的特征得到高度相关特征矩阵，根据所述高度相关特征矩阵得到数据集；
23、使用所述数据集训练初始机器学习模型，得到所述训练好的机器学习模型。
24、可选地，所述根据所述高度相关特征矩阵得到数据集，具体包括：
25、对所述高度相关特征矩阵标准化，计算标准化的高度相关特征矩阵的协方差矩阵，对所述协方差矩阵进行特征值分解得到所述协方差矩阵的特征值和特征值对应的特征向量；
26、根据所述协方差矩阵的特征值从特征值对应的特征向量中确定主成分特征向量，得到所述数据集；所述数据集包括所述主成分向量。
27、另一方面，本专利技术提供一种基于机器视觉的疲劳检测装置，包括：
28、至少一个处理器；
29、至少一个存储器，用于存储至少一个程序；
30、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如前面所述的方法。
31、另一方面，本专利技术提供一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行如前面所述的方法。
32、另一方面，本专利技术提供一种基于机器视觉的疲劳反馈系统，包括视频采集设备、终端以及与所述视频采集设备连接的计算机设备；其中，
33、所述视频采集设备，用于采集待检测者的第一视频，并将所述待检测者的第一视频上传给所述计算机设备；
34、所述计算机设备包括：
35、至少一个处理器；
36、至少一个存储器，用于存储至少一个程序；
37、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如前面所述的方法；
38、所述终端，用于显示疲劳检测结果和待休息时间。
39、实施本专利技术包括以下有益效果：本专利技术通过获取待检测者的第一视频，对第一视频进行预处理得到视频图像和第二视频，预处理包括去噪、图像增强、图像分割或图像矫正，对视频图像进行人脸识别得到待检测者的人脸图像，对第二视频进行姿势检测得到待检测者的姿势关键点信息，对视频图像进行活动检测得到待检测者的活动区域，结合人脸检测、姿势检测和活动检测多种方式，实现对工作者疲劳状态的监测和分析，能够更准确和可靠地判断待检测者是否处于疲劳状态；通过利用训练好的机器学习模型识别人脸图像、姿势关键点信息和活动区域，生成疲劳检测结果，根据疲劳检测结果确定待休息时间，并将疲劳检测结果和待休息时间返回给终端，本专利技术除了疲劳检测结果，还根据检测结果计算待休息时间，并将疲劳检测结果和待休息时间返回给终端，使待检测者能够及时了解疲劳状态并根据休息时间进行休息，这种休息建议能够更好地满足待检测者对休息时间的需求。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的疲劳反馈方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的反馈方法，其特征在于，所述对所述视频图像进行人脸识别，得到待检测者的人脸图像，具体包括：
3.根据权利要求1所述的反馈方法，其特征在于，所述对所述视频图像进行活动检测，得到待检测者的活动区域，具体包括：
4.根据权利要求1所述的反馈方法，其特征在于，所述疲劳检测结果包括疲劳程度、疲劳状态和疲劳持续时间，所述根据所述疲劳检测结果确定待休息时间，具体包括：
5.根据权利要求1-4任一项所述的反馈方法，其特征在于，所述反馈方法还包括：
6.根据权利要求1-4任一项所述的反馈方法，其特征在于，所述训练好的机器学习模型通过以下方法训练得到：
7.根据权利要求6所述的反馈方法，其特征在于，所述根据所述高度相关特征矩阵得到数据集，具体包括：
8.一种基于机器视觉的疲劳检测装置，其特征在于，包括：
9.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如
10.一种基于机器视觉的疲劳反馈系统，其特征在于，包括视频采集设备、终端以及与所述视频采集设备连接的计算机设备；其中，
...【技术特征摘要】
1.一种基于机器视觉的疲劳反馈方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的反馈方法，其特征在于，所述对所述视频图像进行人脸识别，得到待检测者的人脸图像，具体包括：
3.根据权利要求1所述的反馈方法，其特征在于，所述对所述视频图像进行活动检测，得到待检测者的活动区域，具体包括：
4.根据权利要求1所述的反馈方法，其特征在于，所述疲劳检测结果包括疲劳程度、疲劳状态和疲劳持续时间，所述根据所述疲劳检测结果确定待休息时间，具体包括：
5.根据权利要求1-4任一项所述的反馈方法，其特征在于，所述反馈方法还包括：
【专利技术属性】
技术研发人员：郭学涛，徐晓超，
申请(专利权)人：中国电信股份有限公司，
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。