[发明专利]疲劳驾驶检测方法、装置、设备及存储介质

说明书

本申请提供一种疲劳驾驶检测方法、装置、设备及存储介质，通过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，然后利用小波包分析算法对脑电信号进行多层分解与重构，得到脑电特征数据集合，对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以及对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，最后根据脑电特征数据集合、面部特征数据集合和车辆特征数据集合，得到驾驶员的疲劳驾驶检测结果。该技术方案中，结合驾驶员的脑电信号、面部特征和车辆运动数据共同评价驾驶员的疲劳驾驶状态，不仅易于实现，而且保证了疲劳驾驶检测结果的实时性和准确性。

技术领域

本申请涉及信息处理技术领域，尤其涉及一种疲劳驾驶检测方法、装置、设备及存储介质。

背景技术

随着社会经济的发展，交通基础设施日益发达，由此引发的道路交通事故也越来越多，给人民的生命财产安全造成了极大的伤害。而在交通事故频发的各种原因之中，疲劳驾驶成为最重要的原因之一，因而，如何检测驾驶员的疲劳状态是预防交通事故的重要因素。

现有技术中，疲劳驾驶检测方法可以通过检测驾驶员的眼睛状态来确定。具体的，基于“PERCLOS”的原理，依据驾驶员的眼睛在单位时间内处于闭合状态的百分比率，确定出驾驶员的眼睛睁闭状态，依此来判断其身体的疲劳程度。

然而，在实际的驾驶过程中，受到汽车抖动、不同用眼习惯等因素的影响，可能存在眼睛状态识别不准确的现象，进而致使得到的疲劳驾驶检测结果不准确。

发明内容

本申请提供一种疲劳驾驶检测方法、装置、设备及存储介质，以克服现有疲劳驾驶检测方法得到的疲劳驾驶检测结果不准确的问题。

第一方面，本申请提供一种疲劳驾驶检测方法，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。

可选的，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。

可选的，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。

可选的，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；