[发明专利]基于综合视频特征分析的疲劳检测方法及系统

权利要求书

1.一种基于综合视频特征分析的疲劳检测方法，包括如下步骤：

步骤一，利用摄像装置获取网络学习者的图像帧序列，并对各图像帧进行眼睛定位；

步骤二，判断各图像帧中该网络学习者的眼睛的开合状态；

步骤三，根据各图像帧中该网络学习者的眼睛的开合状态的判断结果计算网络学习者的眨眼频率；

步骤四，将获得的该网络学习者的眨眼频率与眨眼频率阈值进行比较，获得疲劳检测结果。

2.如权利要求1所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤二中，通过求得上下眼睑的距离大小来判断眼睛处于开或合的状态。

3.如权利要求2所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤二中，当眼睛完全睁开时，上下眼睑距离最大，记为H_emax。当上下眼睑距离小于H_emax/5时，为闭合状态，其他情况为睁开状态。

4.如权利要求3所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤四中，当获得的该网络学习者的眨眼频率小于该眨眼频率阈值时，则判断该网络学习者处于疲劳状态，当该网络学习者的眨眼频率大于该眨眼频率阈值，则判断该网络学习者处于清醒状态。

5.一种基于综合视频特征分析的疲劳检测方法，包括如下步骤：

步骤一，利用摄像装置获取网络学习者的图像帧序列，并对各图像帧进行嘴巴定位；

步骤二，判断各图像帧中该网络学习者的嘴巴的开合状态；

步骤三，根据各图像帧中该网络学习者的嘴巴的开合状态的判断结果计算网络学习者的嘴巴处于打哈欠状态持续时间；

步骤四，将获得的该网络学习者的嘴巴处于打哈欠状态持续时间与打哈欠持续时间阈值进行比较，获得疲劳检测结果。

6.如权利要求5所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤二中，通过求得上下嘴唇的距离大小来判断嘴巴的张开程度。

7.如权利要求6所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤二中，当嘴巴完全张开时，上下嘴唇距离最大，记为H_mmax，当上下嘴唇距离等于H_mmax时，为打哈欠状态，其他情况为正常状态。

8.如权利要求7所述的一种基于综合视频特征分析的疲劳检测方法，其特征在于：于步骤四中，当获得的该网络学习者的嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时，则判断该网络学习者处于疲劳状态，当获得的该网络学习者的嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时，则判断该网络学习者处于清醒状态。

9.一种基于综合视频特征分析的疲劳检测系统，至少包括：

图像帧获取及定位模块，利用摄像装置获取网络学习者的图像帧序列，并对各图像帧进行眼睛定位及嘴巴定位；

状态判断模块，根据各图像帧的定位结果判断该网络学习者的眼睛的开合状态及嘴巴的开合状态；

参数计算模块，根据该状态判断模块的眼睛的开合状态及嘴巴的开合状态的判断结果计算该网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间；

疲劳检测模块，将获得的网络学习者的眨眼频率、嘴巴处于打哈欠状态持续时间与眨眼频率阈值及打哈欠持续时间阈值进行比较，获得疲劳检测结果。

10.如权利要求9所述的一种基于综合视频特征分析的疲劳检测系统，其特征在于：当获得的该网络学习者的眨眼频率小于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间大于该打哈欠持续时间阈值时，则该疲劳检测模块判断该网络学习者处于疲劳状态；当获得的该网络学习者的眨眼频率大于该眨眼频率阈值或嘴巴处于打哈欠状态持续时间小于该打哈欠持续时间阈值时，则该疲劳检测模块判断该网络学习者处于清醒状态。