[发明专利]疲劳驾驶监测方法、装置及计算机可读存储介质在审

专利信息
申请号: 201910139673.8 申请日: 2019-02-25
公开(公告)号: CN109697831A 公开(公告)日: 2019-04-30
发明(设计)人: 邓淑龙 申请(专利权)人: 湖北亿咖通科技有限公司
主分类号: G08B21/06 分类号: G08B21/06;A61B5/18;A61B5/0476;A61B5/00
代理公司: 北京超凡志成知识产权代理事务所(普通合伙) 11371 代理人: 杨鹏
地址: 430000 湖北省武汉市经济技术开发区*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 视觉特征 脑电波信号 人脸图像 网络模型 计算机可读存储介质 疲劳驾驶 疲劳指数 疲劳状况 样本 电波信号 疲劳检测 疲劳状态 监测 人脑 采集
【权利要求书】:

1.一种疲劳驾驶监测方法,其特征在于,包括:

获取驾驶员的人脸图像的视觉特征;

将所述视觉特征输入训练好的网络模型,得到所述视觉特征对应的人脑电波信号表征的疲劳指数,其中,所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得;

根据所述疲劳指数确定疲劳状态。

2.如权利要求1所述的疲劳驾驶监测方法,其特征在于,所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得,包括:

通过摄像设备采集当前时刻的所述样本人脸图像;

基于当前时刻的所述样本人脸图像获取所述视觉特征,同步获取当前时刻的所述样本人脸图像对应的测试人员的样本脑电波信号;根据所述样本脑电波信号计算所述样本脑电波信号对应的疲劳指数,其中所述疲劳指数用于指示疲劳状况;

将所述视觉特征和所述疲劳指数输入所述网络模型,对所述网络模型进行训练,以建立所述视觉特征和所述疲劳指数之间的映射关系;多次执行上述步骤对所述网络模型进行训练,获得训练好的所述网络模型。

3.如权利要求2所述的疲劳驾驶监测方法,其特征在于,所述视觉特征包括下述任一项或多项的组合:头部部位变化特征、眼睛部位变化特征、嘴巴部位变化特征。

4.如权利要求1所述的疲劳驾驶监测方法,其特征在于,所述根据所述疲劳指数确定疲劳状态,包括:

根据所述疲劳指数所在的阈值区间,判断所述疲劳等级。

5.如权利要求4所述的疲劳驾驶监测方法,其特征在于,所述根据所述疲劳指数所在的阈值区间,判断所述疲劳等级之后,还包括:

根据所述疲劳等级产生疲劳报警信息。

6.如权利要求5所述的疲劳驾驶监测方法,其特征在于,所述根据所述疲劳等级产生疲劳报警信息,包括:

若所述疲劳指数在第一阈值区间内,则确定所述驾驶员不疲劳,不进行报警;

若所述疲劳指数在第二阈值区间内,则进行第一级别报警;

若所述疲劳指数在第三阈值区间内,则进行第二级别报警。

7.一种疲劳驾驶监测装置,其特征在于,包括:获取模块、确定模块;

所示获取模块,用于获取驾驶员的人脸图像的视觉特征;

所述确定模块,用于将所述视觉特征输入训练好的网络模型,得到所述视觉特征对应的人脑电波信号表征的疲劳指数,其中,所述网络模型通过样本人脸图像对应的视觉特征和同步获得的样本脑电波信号进行多次训练获得;根据所述疲劳指数确定疲劳状态。

8.如权利要求7所述的疲劳驾驶监测装置,其特征在于,还包括:训练模块;

所述获取模块,还用于通过摄像设备采集当前时刻的所述样本人脸图像;基于当前时刻的所述样本人脸图像获取所述视觉特征,同步获取当前时刻的所述样本人脸图像对应的测试人员的样本脑电波信号;通过脑电图采集设备采集当前时刻的所述样本脑电波信号;根据所述样本脑电波信号计算所述样本脑电波信号对应的疲劳指数,其中所述疲劳指数用于指示疲劳状况;

所述训练模块,用于将所述视觉特征和所述疲劳指数输入所述网络模型,对网络模型进行训练,以建立所述视觉特征和所述疲劳指数之间的映射关系;多次执行上述步骤对所述网络模型进行训练,获得训练好的所述网络模型。

9.如权利要求7所述的疲劳驾驶监测装置,其特征在于,所述确定模块,具体用于根据所述疲劳指数所在的阈值区间,判断所述疲劳等级。

10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有程序,该程序在被处理器执行时用于执行上述权利要求1-6任一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北亿咖通科技有限公司,未经湖北亿咖通科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910139673.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top