[发明专利]一种基于人脸识别的疲劳驾驶检测系统

说明书

本发明的一种基于人脸识别的疲劳驾驶检测系统，包括数据采集模块，用于采集驾驶员在驾驶过程中的相关图像视频数据；图像处理模块，用于对采集获取的数据进行处理和分类；图像分析模块，用于对经过图像处理后的图像视频数据进行进一步的数据分析；模型训练模块，用于调用目标数据模型对不同模拟场景下的驾驶员驾驶情况进行测试并收集相应数据；模型优化模块，用于根据模型在不同模拟场景下测试的表现对模型中存在的不足进行升级优化。本发明通过对采集驾驶员的面部数据进行处理并结合数据模型对驾驶员驾驶情况进行模拟，综合计算并判定驾驶员是否处于疲劳状态，能够有效提高疲劳驾驶检测的准确性和稳定性。

技术领域

本发明属于汽车安全驾驶技术领域，具体涉及一种基于人脸识别的疲劳驾驶检测系统。

背景技术

驾驶疲劳会影响到驾驶人的注意、感觉、知觉、思维、判断、意志、决定和运动等诸方面，对行车安全威胁极大。现有的疲劳驾驶检测技术分为两大类，一是对驾驶人驾车行为分析，即通过记录和解析驾驶人转动方向盘、踩刹车等行为特征，判别驾驶人是否疲劳。另一类检测方法是通过图像分析手段对驾驶人脸部眼睛特征进行疲劳评估。

在应对疲劳驾驶的监测技术时，监测技术会受到驾驶人员自身身体状态不同及操作行为的影响，致使对驾驶员驾驶过程状态的设定标准数据不同，降低监测结果的准确性，监测效果不理想。

发明内容

本发明的目的在于提供一种基于人脸识别的疲劳驾驶检测系统，以解决上述背景技术中提出的技术问题。

为了解决上述技术问题，本发明采用如下技术方案实现：

一种基于人脸识别的疲劳驾驶检测系统，包括：

数据采集模块，用于采集驾驶员在驾驶过程中的相关图像视频数据；

图像处理模块，用于对采集获取的数据进行处理和分类；

图像分析模块，用于对经过图像处理后的图像视频数据进行进一步的数据分析；

模型训练模块，用于调用目标数据模型对不同模拟场景下的驾驶员驾驶情况进行测试并收集相应数据；

模型优化模块，用于根据模型在不同模拟场景下测试的表现对模型中存在的不足进行升级优化；

成果展示模块，用于将经过处理分析后的驾驶数据及场景模拟中获取的数据进行整理整合，并将数据结果进行展示。

进一步改进，所述图像处理模块采用小波阈值去噪法和多目标分割法对获取的数据进行处理；其中，多目标分割为结合形态学运算和欧式距离变换来改进传统的分水岭算法，用于分割粘连程度高的图像。

进一步改进，所述多目标分割法，具体包括以下步骤：1）获取彩色图像；2）、递归双边滤波；3）、转为灰度图；4）、二值化、形态学运算；5）、欧式距离变换；6）、连通区域分析、标记区域；7）、制作掩膜标记mask；8）、分水岭分割。

进一步改进，所述图像分析模块中包括姿态识别模型和图卷积疲劳识别模型；通过构建人类关节空间关系，然后采用该模型对经过图像处理后的图像视频数据进行进一步的数据分析工作；所述构建人类关节空间关系包括以下步骤：

1）、在每一帧图像内部，按照人体的自然骨架连接关系构造空间图；

2）、将相邻两帧的相同关键点连接起来，构成时序边；

3）、将所有输入帧中的关键点构成节点集，步骤1）、2）中的所有时序边构成边集，即构成所需的时空图。

进一步改进，通过模型训练模块调用目标数据模型对不同模拟场景下的驾驶员驾驶情况进行测试并收集相应数据时，利用监测模型具有较强的可迁移性，设置迭代次数及批次数对现有的监测模型进行更新迭代，同时通过卷积、池化、SVM分类器对监测模型中的数据进行处理分析，对模型数据产生的误差进行分析。

所述监测模型中以行车监测为主，对乘客危险行为、司机违规行为、车内环境安全、疲劳驾驶进行实时监测。