[发明专利]一种驾驶员疲劳状态的监测识别方法及其装置

说明书

本发明提供了一种驾驶员疲劳状态的监测识别方法，实时获取驾驶员脸部图像，推理得到驾驶员上眼皮轮廓和瞳孔部位的模型图，先计算出驾驶员上眼皮轮廓中心点和瞳孔部位圆心点，再计算出驾驶员上眼皮轮廓中心点和瞳孔部位圆心点之间的距离，通过分析上述距离的变化来判断驾驶员是否处于疲劳状态。本发明同时提供了一种驾驶员疲劳状态的监测识别装置。本发明提供的驾驶员疲劳状态的监测识别方法及其装置，设计一种轻量型深度学习模型，采用该模型计算驾驶员眼睛上眼皮轮廓中心点到瞳孔部位圆心点的距离，并通过该距离的变化对疲劳状态进行实时监测，准确判别驾驶员疲劳状态的同时对硬件及其算力要求不高。

技术领域

本发明涉及一种监测方法及装置，尤其涉及一种驾驶员疲劳状态的监测识别方法及其装置。

背景技术

随着机动车保有量的不断提高及驾驶员人数的持续增长，道路交通安全问题成为经济社会发展的关键因素之一。据世界卫生组织统计，全球每年有120多万人死于交通事故，数百万人因交通事故受伤或致残，其中驾驶员的疲劳驾驶是导致事故的最主要因素之一。

近年来，为了减少因疲劳驾驶造成的交通事故，人们采用了各种方法来检测驾驶员疲劳状态并发出警示。目前，关于疲劳监测的机理研究已较为成熟，普遍采用且准确度较高的是基于模式识别和图像处理技术相结合的方法，但复杂的算法往往带来较大的算力要求。

发明内容

本发明的目的是克服现有的缺陷，提供一种驾驶员疲劳状态的监测识别方法及其装置，解决目前判别驾驶员疲劳状态的算法复杂且存在较大算力要求的问题。

为了解决上述技术问题，本发明提供了如下的技术方案：

一种驾驶员疲劳状态的监测识别方法，包括以下步骤：

S1、获取驾驶员脸部图像；

S2、采用轻量型深度学习模型对所述驾驶员脸部图像进行推理，同时得到驾驶员上眼皮轮廓的模型图和瞳孔部位的模型图；

S3、利用步骤S2得到的模型图获取驾驶员上眼皮轮廓和瞳孔部位的信息，并计算出驾驶员上眼皮轮廓中心点和和瞳孔部位圆心点；

S4、计算步骤S3中驾驶员上眼皮轮廓中心点与瞳孔部位圆心点之间的距离；

S5、在驾驶员行车期间，持续循环进行步骤S1到S4，记录这一期间得到的距离数字，其中，驾驶员上眼皮轮廓中心点与瞳孔部位圆心点之间的多个距离数字形成一个距离数组；

S6、利用所述距离数组计算出距离特征值，并与预设的阈值进行比较，判断驾驶员是否处于疲劳状态。

进一步地，步骤S1中的驾驶员脸部图像为红外摄像头配合红外补光灯采集的红外光图像或RGB彩色摄像头采集的彩色图像，对应得到的驾驶员脸部图像为h*w或者h*w*3的图片。

进一步地，步骤S2中的轻量型深度学习模型采用mobilenet与Unet++相结合的结构，并通过梯度下降算法进行训练，训练数据为上眼皮轮廓和瞳孔部位的图像图片以及二者相对应的标注数据，所述标注数据为上眼皮轮廓的模型图和瞳孔部位的模型图。

进一步地，所述训练数据来自被监测驾驶员，长期的训练结果形成驾驶员的历史信息，所述阈值根据驾驶员的历史信息来确定。

进一步地，步骤S6中的比较方法为计算出不同时间段驾驶员的上眼皮轮廓中心点与瞳孔部位圆心点的平均距离，假设时间段为t1，t2，t3，……，tn，对应的驾驶员上眼皮轮廓中心点与瞳孔部位圆心点的平均距离为d1，d2，d3，……，dn，dn/d1为所述距离特征值，若dn/d1阈值T，则认为驾驶员处于疲劳状态。

一种驾驶员疲劳状态的监测识别装置，包括：

获取模块，用于获取驾驶员脸部图像；