[发明专利]一种疲劳驾驶的检测识别方法、装置及系统

说明书

本发明公开了一种疲劳驾驶的检测识别方法，包括以下步骤：获取人脸区域关键点图像信息、车辆驾驶行为信息；将所述人脸区域关键点图像信息输入面部状态识别模型，获得面部状态检测结果；将所述车辆驾驶行为信息输入行驶状态识别模型，获得行驶状态检测结果；将所述面部状态检测结果和行驶状态检测结果输入置信度判定模型，输出最终检测结果。本发明提高了驾驶员疲劳检测的准确性。

技术领域

本发明涉及一种疲劳驾驶的检测识别方法、装置及系统，属于安全预警系统技术领域。

背景技术

随着社会经济的发展，机动车辆与日俱增，道路交通事故频发，死亡人数逐年上升，其中，疲劳驾驶是引发频繁的交通事故的主要因素之一。据世界卫生组织统计，全世界每年有120多万人死于交通事故，数百万人因交通事故受伤或致残。全球每年交通事故造成的经济损失高达5180亿美元，其中发展中国家占1000亿美元。

近年来为了减少因疲劳驾驶引起的交通事故，人们进行了各种尝试和研究，目前普遍采用基于机器视觉、深度学习技术的疲劳检测及预警系统。

然而，现有的基于机器视觉、深度学习技术的疲劳检测及预警系统在检测准确度及可靠性方便还存在很大的缺陷。如何进一步提高其检测的准确度和可靠性，成为目前亟待解决的技术问题。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种疲劳驾驶的检测识别方法、装置及系统，提高了驾驶员疲劳检测的准确性。

为解决上述技术问题，本发明了提供一种疲劳驾驶的检测识别方法、装置及系统，包括如下步骤：

获取人脸区域关键点图像信息、车辆驾驶行为信息；将所述人脸区域关键点图像信息输入面部状态识别模型，获得面部状态检测结果；将所述车辆驾驶行为信息输入行驶状态识别模型，获得行驶状态检测结果；将所述面部状态检测结果和行驶状态检测结果输入置信度判定模型，输出最终检测结果。

可选的，所述人脸区域关键点图像信息包括嘴部、眼部、头部图像数据。

可选的，所述面部状态识别模型的训练过程为：获取不同状态下人脸区域关键点图像信息和面部实际状态；根据人脸区域关键点图像信息和面部实际状态构建第一数据集；基于所述第一数据集对设定的神经网络进行训练，获得所述面部状态识别模型。

可选的，所述车辆驾驶行为信息包括速度、加速度以及方向盘的角速度数据。

可选的，所述行驶状态识别模型的训练过程为：获取不同状态下车辆驾驶行为信息和车辆行驶实际状态；根据车辆驾驶行为信息和车辆行驶实际状态构建第二数据集；基于所述第二数据集对设定的神经网络进行训练，获得所述行驶状态识别模型。

可选的，所述置信度判定模型的训练过程为：获取不同状态下面部状态检测结果、行驶状态检测结果和真实状态；根据面部状态检测结果、行驶状态检测结果和真实状态构建第三数据集；基于所述第三数据集对设定的神经网络进行训练，获得所述置信度判定模型。

一种疲劳驾驶的检测识别装置，包括：信息获取模块，用于实时获取人脸区域关键点图像信息、车辆驾驶行为信息；面部状态疲惫检测模块，用于根据人脸区域关键点图像信息，对驾驶员进行疲劳检测；车辆行驶状态疲惫检测模块，用于根据车辆驾驶行为信息，对驾驶员进行疲劳检测；置信度判定模块，用于融合面部状态疲惫检测模块和车辆行驶状态疲惫检测模块疲劳检测结果，输出最终结果。

可选的，所述疲劳驾驶的检测识别装置包括预警模块。

可选的，所述预警模块为声光预警模块。

一种疲劳驾驶的检测识别系统，其特征在于，包括上述疲劳驾驶的检测识别装置。