[发明专利]一种疲劳驾驶检测方法、计算机可读存储介质及终端设备在审

专利信息
申请号: 201810921792.4 申请日: 2018-08-14
公开(公告)号: CN109190515A 公开(公告)日: 2019-01-11
发明(设计)人: 姜军 申请(专利权)人: 深圳壹账通智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 深圳中一专利商标事务所 44237 代理人: 官建红
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 子图像 特征向量 疲劳驾驶检测 基准向量 计算机可读存储介质 向量相似度 人脸图像 终端设备 预设 计算机技术领域 交通意外事故 疲劳驾驶状态 疲劳状态 人脸识别 所在区域 眼睛图像 相似度 采集 图像 检测
【权利要求书】:

1.一种疲劳驾驶检测方法,其特征在于,包括:

采集驾驶员的人脸图像;

从所述驾驶员的人脸图像中提取出第一子图像,所述第一子图像为所述驾驶员的眼睛所在区域的图像;

计算所述第一子图像的特征向量;

计算所述第一子图像的特征向量与预设的基准向量之间的向量相似度,所述基准向量为处于疲劳状态的眼睛图像的特征向量;

若所述第一子图像的特征向量与所述基准向量之间的向量相似度大于预设的相似度阈值,则确定所述驾驶员处于疲劳驾驶状态。

2.根据权利要求1所述的疲劳驾驶检测方法,其特征在于,所述采集驾驶员的人脸图像包括:

接收驾驶区域前方的摄像头采集的所述驾驶区域的图像;

将所述驾驶区域的图像由RGB空间转换到YCbCr空间,得到转换后的驾驶区域图像;

在所述转换后的驾驶区域图像中将满足预设的肤色判定条件的像素点确定为肤色像素点,并构造由各个肤色像素点组成的肤色像素点集合;

统计所述肤色像素点集合中肤色像素点的数目,并计算所述肤色像素点集合的分散度;

若所述肤色像素点集合中肤色像素点的数目大于预设的数目阈值,且所述肤色像素点集合的分散度小于预设的分散度阈值,则将所述肤色像素点集合所覆盖的区域确定为人脸图像区域;

提取所述人脸图像区域中的图像,并将所述人脸图像区域中的图像确定为所述驾驶员的人脸图像。

3.根据权利要求2所述的疲劳驾驶检测方法,其特征在于,所述计算所述肤色像素点集合的分散度包括:

根据下式计算所述肤色像素点集合的分散度:

其中,n为所述肤色像素点集合中肤色像素点的序号,1≤n≤N,N为所述肤色像素点集合中肤色像素点的数目,SkinPixXn为所述肤色像素点集合中第n个肤色像素点的横坐标,SkinPixYn为所述肤色像素点集合中第n个肤色像素点的纵坐标,DisperDeg为所述肤色像素点集合的分散度。

4.根据权利要求3所述的疲劳驾驶检测方法,其特征在于,所述从所述驾驶员的人脸图像中提取出第一子图像包括:

将所述肤色像素点集合划分为左侧肤色像素点子集和右侧肤色像素点子集,其中,所述左侧肤色像素点子集中的像素点均满足:

所述右侧肤色像素点子集中的像素点均满足:

ln为所述左侧肤色像素点子集中的像素点的序号,1≤ln≤LN,LN为所述左侧肤色像素点子集中的像素点的总数目,LSkinPixXln为所述左侧肤色像素点子集中的第ln个像素点的横坐标,rn为所述右侧肤色像素点子集中的像素点的序号,1≤rn≤RN,RN为所述右侧肤色像素点子集中的像素点的总数目,RSkinPixXrn为所述右侧肤色像素点子集中的第rn个像素点的横坐标;

根据下式分别计算左眼的中心位置的横坐标以及右眼的中心位置的横坐标:

其中,LeftEyeX为左眼的中心位置的横坐标,RightEyeX为右眼的中心位置的横坐标;

从所述肤色像素点集合划分出上侧肤色像素点子集,其中,所述左侧肤色像素点子集中的像素点均满足:

tn为所述上侧肤色像素点子集中的像素点的序号,1≤tn≤TN,TN为所述上侧肤色像素点子集中的像素点的总数目,TopSkinPixYtn为所述上侧肤色像素点子集中的第tn个像素点的纵坐标;

根据下式分别计算左眼的中心位置的纵坐标以及右眼的中心位置的纵坐标:

其中,LeftEyeY为左眼的中心位置的纵坐标,RightEyeY为右眼的中心位置的纵坐标;

根据左眼的中心位置、右眼的中心位置、预设的眼睛区域高度和预设的眼睛区域宽度确定眼睛所在区域,并将从所述眼睛所在区域提取出的图像作为所述第一子图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳壹账通智能科技有限公司,未经深圳壹账通智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810921792.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top