欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025103060106
申请人: 山东建筑大学
专利类型:发明专利
专利状态:已下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于计算机视觉处理的驾驶员疲劳状态检测系统,其特征在于:包括面部特征提取单元,选用高清摄像头捕捉驾驶员面部图像;

上半身特征监测单元,通过高清摄像头采集上半身图像数据,运用背景减除技术与光流法相结合的方式,精确提取上半身的动作频率;

手握方向盘特征监测单元,利用保护套在方向盘上设置握力传感器,感知驾驶员手部施加的压力;

数据处理单元,采用基于深度神经网络的特征融合架构,构建一个具有多个隐藏层的基于深度神经网络,接收来自面部特征提取单元、上半身特征监测单元以及手握方向盘特征监测单元所采集的数据信息采用基于注意力机制的融合方式进行特征融合;

疲劳状态判断单元,基于数据处理单元的分析结果,依据预设的疲劳判断规则对驾驶员的疲劳状态进行判断;

在驾驶员进入车辆但未开始驾驶动作前,高清摄像头首先采集一段时长为T0的视频序列对该序列中的每一帧图像It进行处理,利用高斯混合模型来构建背景模型,对于图像中的每个像素点在初始阶段,为其建立k个高斯分布的混合模型,每个高斯分布定义均值μk、协方差矩阵Σk和权重ωk表示,具体的对于每个像素点P(x,y),在时刻t,根据当前像素值It(x,y)与各个高斯分布的匹配程度,更新权重ωk(t)、均值μk(t)和协方差矩阵Σk(t),匹配程度通过马氏距离D进行输出,若D小于某个阈值,则认为该像素点属于对应的高斯分布,相应地更新其参数,经过T0秒的学习,得到稳定的背景模型B(x,y)。

2.如权利要求1所述的一种基于计算机视觉处理的驾驶员疲劳状态检测系统,其特征在于:上半身的动作方向变化,首先统计前景区域内每个像素点相邻帧之间的方向变化量Δθ(x,y),假设在时刻t和t+1,像素点P(x,y)的方向分别定义为θ1(x,y)和θ2(x,y),则Δθ(x,y)=|θ2(x,y)-θ1(x,y)|,考虑到角度的周期性,当|θ2(x,y)-θ1(x,y)|>π时,Δθ(x,y)=2π-|θ2(x,y)-θ1(x,y)|),对前景区域内所有像素点的方向变化量进行加权平均,得到整体的动作方向变化Δθt,为每个像素点赋予权重ωw(x,y),输出的Δθt为:

3.如权利要求1所述的一种基于计算机视觉处理的驾驶员疲劳状态检测系统,其特征在于:握力传感器选用高精度压阻式握力传感器,对握力传感器采集到的原始数据进行线性校准,通过预先对传感器进行标定获取传感器输出电信号值V与实际握力F之间的关系表示为线性方程F=ksV+bs,其中ks和bs是通过标定实验确定的校准系数,对于每个传感器采集到的原始电信号值Vi,利用该线性方程计算出对应的握力值Fi,为了得到驾驶员手握方向盘的整体握力力度,考虑不同位置传感器对整体握力的贡献不同,采用加权平均,靠近方向盘顶部和底部的传感器可能对控制方向更为关键,赋予相对较高的权重,定义设传感器i的权重为ωi且则整体握力力度定义为Ft,

4.如权利要求1所述的一种基于计算机视觉处理的驾驶员疲劳状态检测系统,其特征在于:数据处理单元将融合后的特征Ff作为决策树模型的输入,定义驾驶员的疲劳状态为L作为输出进行训练,其中,L=0表示非疲劳,L=1表示疲劳;基于决策树模型的输出结合预设的疲劳判断规则进行疲劳状态判断,定义决策树模型输出L=1的疲劳概率Pp,设定一个疲劳阈值Tp;当L=1的疲劳概率Pp≥Tp时,判断驾驶员处于疲劳状态,即:从数据处理单元的特征融合与分析到疲劳状态判断单元依据规则判断完成对驾驶员疲劳状态的判断。