[发明专利]一种智能行车驾驶员疲劳预警系统

权利要求书

1.一种智能行车驾驶员疲劳预警系统，其特征在于，包括：

人体视频图像采集模块，用于采集驾驶员人体图像，并在执行预处理操作后，将经过预处理的所述驾驶员人体图像发送给人脸检测模块；

人脸检测模块，与人体视频图像采集模块相连接，用于检测所述人体视频图像采集模块发来的所述驾驶员人体图像，获得所述驾驶员人体图像中包含的驾驶员人脸图像，然后发送给眼睛和嘴巴检测模块；

眼睛和嘴巴检测模块，与人脸检测模块相连接，用于对所述人脸检测模块发来的驾驶员人脸图像进行检测，获得所述驾驶员人脸图像中包含的眼睛和嘴巴边缘轮廓图像特征，并获得所述驾驶员人脸图像中包含的眼睛和嘴巴的张开度；

疲劳参数提取模块，与眼睛和嘴巴检测模块相连接，用于根据所述眼睛和嘴巴检测模块发来的所述驾驶员人脸图像中包含的眼睛和嘴巴的张开度，获得眼睛和嘴巴的张开度分别占预设的驾驶员标准总体眼睛大小和标准总体嘴巴大小的百分比，并将该百分比分别作为眼睛和嘴巴的疲劳参数，然后发送给疲劳判断报警模块；

疲劳判断报警模块，与疲劳参数提取模块相连接，用于将疲劳参数提取模块发来的眼睛和嘴巴的疲劳参数，分别与预设眼睛闭合数值和预设嘴巴张开数值进行比较，当眼睛的疲劳参数小于预设眼睛闭合数值且持续时间超过预设眼睛报警时间值时，和/或者当嘴巴的疲劳参数大于预设嘴巴张开数值且持续时间超过预设嘴巴报警时间值时，判断驾驶员正处于疲劳驾驶状态，并实时向驾驶员发出报警提示。

2.如权利要求1所述的智能行车驾驶员疲劳预警系统，其特征在于，在所述人体视频图像采集模块中，所述预处理操作为光照补偿操作。

3.如权利要求1所述的智能行车驾驶员疲劳预警系统，其特征在于，所述人脸检测模块包括神经网络建立子模块、神经网络训练子模块和人脸检测识别子模块，其中：

神经网络建立子模块，用于建立预设卷积神经网络，所述预设卷积神经网络包括依次对所输入的图像进行处理的输入层、第一层隐藏层、第二层隐藏层、第三层隐藏层、第四层隐藏层和输出层；

神经网络训练子模块，与神经网络建立子模块相连接，用于预先采集多个预设标准人脸部位图像输入到所述预设卷积神经网络中，对所述预设卷积神经网络进行训练，直到使得所述预设卷积神经网络的模型收敛，完成所述预设卷积神经网络的训练；

人脸检测识别子模块，分别与人体视频图像采集模块和神经网络训练子模块相连接，用于将经过所述人体视频图像采集模块预处理的所述驾驶员人体图像，输入到所述神经网络训练子模块完成训练的所述预设卷积神经网络中，获得所述驾驶员人体图像中包含的驾驶员人脸图像。

4.如权利要求1至3中任一项所述的智能行车驾驶员疲劳预警系统，其特征在于，所述眼睛和嘴巴检测模块包括眼睛和嘴巴模型建立子模块、眼睛和嘴巴模型匹配子模块以及眼睛和嘴巴边缘轮廓提取子模块，其中：

眼睛和嘴巴模型建立子模块，用于预先对多个标准的眼睛和嘴巴图像样本进行预设特征点的标注，分别建立眼睛与嘴巴的纹理和形状模型，得到Gabor局部模型，最后得到眼睛、嘴巴的反向合成AAM模型；

眼睛和嘴巴模型匹配子模块，分别与眼睛和嘴巴模型建立子模块、人脸检测模块相连接，用于将所述人脸检测模块发来的驾驶员人脸图像，与所述眼睛和嘴巴模型建立子模块所建立的眼睛和嘴巴的AAM反向合成模型进行对比匹配，获得所述驾驶员人脸图像中包含的眼睛和嘴巴的区域图像；

眼睛和嘴巴边缘轮廓提取子模块，与眼睛和嘴巴模型匹配子模块相连接，用于利用边缘检测Canny算子对眼睛和嘴巴模型匹配子模块得到的所述驾驶员人脸图像中包含的眼睛和嘴巴的区域图像进行精确定位，并提取其中的眼睛和嘴巴边缘轮廓图像特征，计算得出眼睛和嘴巴的张开度大小。

5.如权利要求4所述的智能行车驾驶员疲劳预警系统，其特征在于，所述报警提示的方式包括显示屏显示报警提示方式和语音报警提示方式。

6.如权利要求5所述的智能行车驾驶员疲劳预警系统，其特征在于，所述显示屏显示报警方式为：显示屏上显示报警提示文字且显示屏不停闪烁的方式；

所述语言报警提示方式为播放预先录制的报警声音片段的方式。