[发明专利]一种疲劳驾驶检测方法和装置

权利要求书

1.一种疲劳驾驶检测方法，其特征在于，该方法包括：

获取驾驶员的人脸图像以及驾驶员的实际眼距；

检测所述人脸图像的关键点；

通过预设的深度学习网络模型初步判断所述人脸图像中驾驶员是否闭眼，得到初步判断结果；

根据所述关键点、初步判断结果，以及所述驾驶员的实际眼距二次判断所述人脸图像中驾驶员是否闭眼，得到二次判断结果；

统计预设时间内连续的人脸图像中二次判断结果为闭眼的帧数；

当闭眼的帧数大于预设阈值时，确定所述驾驶员处于疲劳状态；并发出告警；

其中，所述根据所述关键点、初步判断结果，以及所述驾驶员的实际眼距二次判断所述人脸图像中驾驶员是否闭眼，得到二次判断结果，包括：

根据所述关键点，确定人脸图像中驾驶员的眼距；

将所述人脸图像中驾驶员的眼距与针对初步判断结果设置的加权值的乘积，作为第一乘积；

将预设比例值与所述驾驶员的实际眼距的乘积，作为第二乘积；

判断第一乘积是否大于第二乘积，如果是，确定二次判断结果为睁眼；否则，确定二次判断结果为闭眼；

其中，若初步判断结果为闭眼，则针对初步判断结果设置的加权值设置为小于1；否则，针对初步判断结果设置的加权值设置为大于1；所述预设比例值小于1；眼距为上下眼皮之间的距离。

2.根据权利要求1所述的方法，其特征在于，所述获取驾驶员的实际眼距，包括：

根据初步判断结果为睁眼的人脸图像中驾驶员的眼距，确定所述驾驶员的实际眼距；

或，

预先配置所述驾驶员的实际眼距。

3.根据权利要求1或2所述的方法，其特征在于，所述预设的深度学习网络模型的建立，包括：

获取多张不同状态的驾驶员的人脸图像作为样本图像；

训练初始深度学习网络模型，得到预设的深度学习网络模型。

4.一种疲劳驾驶检测装置，其特征在于，该装置包括：获取单元、检测单元、判断单元、统计单元、确定单元和告警单元；

所述获取单元，用于获取驾驶员的人脸图像以及驾驶员的实际眼距；

所述检测单元，用于检测所述获取单元获取的人脸图像的关键点；

所述判断单元，用于通过预设的深度学习网络模型初步判断所述获取单元获取的人脸图像中驾驶员是否闭眼，得到初步判断结果；并根据所述检测单元检测到的关键点、初步判断结果，以及所述驾驶员的实际眼距二次判断所述人脸图像中驾驶员是否闭眼，得到二次判断结果；

所述统计单元，用于统计预设时间内连续的人脸图像中所述判断单元得到的二次判断结果为闭眼的帧数；

所述确定单元，用于确定所述统计单元统计的闭眼的帧数；当确定闭眼的帧数大于预设阈值时，确定所述驾驶员处于疲劳状态；

所述告警单元，用于当所述确定单元确定所述驾驶员处于疲劳状态时，发出告警；

其中，

所述判断单元，具体用于根据所述关键点、初步判断结果，以及所述驾驶员的实际眼距二次判断所述人脸图像中驾驶员是否闭眼，得到二次判断结果时，包括：根据所述关键点，确定人脸图像中驾驶员的眼距；将所述人脸图像中驾驶员的眼距与针对初步判断结果设置的加权值的乘积，作为第一乘积；将预设比例值与所述驾驶员的实际眼距的乘积，作为第二乘积；判断第一乘积是否大于第二乘积，如果是，确定二次判断结果为睁眼；否则，确定二次判断结果为闭眼；其中，若初步判断结果为闭眼，则针对初步判断结果设置的加权值设置为小于1；否则，针对初步判断结果设置的加权值设置为大于1；所述预设比例值小于1；眼距为上下眼皮之间的距离。

5.根据权利要求4所述的装置，其特征在于，

所述获取单元，进一步用于根据初步判断结果为睁眼的人脸图像中驾驶员的眼距，确定所述驾驶员的实际眼距；或，获取预先配置所述驾驶员的实际眼距。

6.根据权利要求4或5所述的装置，其特征在于，所述装置进一步包括：建立单元；

所述建立单元，用于获取多张不同状态的驾驶员的人脸图像作为样本图像；训练初始深度学习网络模型，得到预设的深度学习网络模型。