[发明专利]疲劳驾驶检测方法、装置、设备及存储介质

权利要求书

1.一种疲劳驾驶检测方法，其特征在于，包括：

获取驾驶员在驾驶车辆过程中的脑电信号、面部图像以及车辆运动数据；

利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合；

对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合；

对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合；

根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果。

2.根据权利要求1所述的方法，其特征在于，所述利用小波包分析算法对所述脑电信号进行多层分解与重构，得到脑电特征数据集合，包括：

通过对所述脑电信号进行小波包分解，得到所述脑电信号对应的四种主要节律波；

根据小波包各个节点的能量值，计算每种节律波的频带能量值；

根据每种节律波的频带能量值，确定用于评价疲劳驾驶的脑电特征数据集合，所述脑电特征数据集合包括：至少两个特征指标。

3.根据权利要求1所述的方法，其特征在于，所述对所述面部图像进行灰度化处理、特征检测和特征点标定，得到面部特征数据集合，包括：

将所述面部图像转换成灰度图像；

基于方向梯度直方图特征，对所述灰度图像进行特征检测，确定所述灰度图像中的脸部区域以及所述脸部区域中的脸部特征位置；

使用开源计算机视觉库OpenCV对所述脸部特征位置进行特征点标定，得到所述面部特征数据集合，所述面部特征数据集合包括：眼睛特征点信息和嘴部特征点信息。

4.根据权利要求1所述的方法，其特征在于，所述对所述车辆运动数据进行特征提取，得到用于表征驾驶员疲劳状态的车辆特征数据集合，包括：

从所述车辆运动数据中，提取出表征疲劳状态的车辆数据集合，所述车辆数据集合包括：方向盘转角数据和车辆加速度数据；

分别计算所述车辆数据集合中各种车辆数据的至少两个统计指标，得到所述车辆特征数据集合。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合，得到所述驾驶员的疲劳驾驶检测结果，包括：

对所述脑电特征数据集合、所述面部特征数据集合和所述车辆特征数据集合进行特征筛选，得到疲劳检测特征集合；

采用多重集典型相关分析MCAA算法对所述疲劳检测特征集合进行投影，得到投影后的疲劳检测特征集合；

对所述投影后的疲劳检测特征集合进行相关程度最大化处理，得到融合后的疲劳驾驶特征集合；

将所述融合后的疲劳驾驶特征集合输入预先训练的疲劳检测模型中，输出疲劳驾驶检测结果。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取所述疲劳检测模型的训练样本集合，所述训练样本集合包括：疲劳样本子集和正常样本子集；

利用所述训练样本集合对相关向量机RVM进行训练，得到所述疲劳检测模型；其中，所述疲劳检测模型的识别准确率等于正确分类的样本数与所述训练样本集合的样本总数的比值。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

获取所述疲劳检测模型的正常样本正确识别数、正常样本错误识别数、疲劳样本正确识别数和疲劳样本错误识别数；

根据所述正常样本正确识别数和所述疲劳样本错误识别数，确定所述疲劳检测模型的检测灵敏度；

根据所述疲劳样本正确识别数和所述正常样本错误识别数，确定所述疲劳检测模型的特异性能；

根据所述检测灵敏度和所述特异性能，确定是否更新所述疲劳检测模型。