[发明专利]基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法

说明书

本发明公开了一种基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法，包括以下步骤：进行面部识别设备校准；驾驶员使用模拟驾驶器进行虚拟驾驶试验并全程录像，面部识别设备检测驾驶员面部特征，获得包含驾驶员面部特征的试验数据库；录像回放，记录驾驶人员认为自己开始处于疲惫状态的时刻；对试验数据库进行预处理；预处理后的试验数据库进行SVM分类模型训练；测试基于SVM的疲劳驾驶识别模型。本发明使用以模拟驾驶数据为基础，使用SVM算法建立驾驶员面部特征与疲劳驾驶状态之间的关系，可得到高可信度的基于SVM的疲劳驾驶识别模型，该模型可通过驾驶员面部特征判断驾驶员是否处于疲劳驾驶状态并及时提醒。

技术领域

本发明涉及疲劳驾驶识别建模方法，特别涉及一种基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法。

背景技术

在汽车不断普及的今天，降低交通事故的发生概率已经成为了高校和企业的重要研究热点。疲劳驾驶是造成交通事故的主要原因之一，及时检测驾驶员是否处于疲劳驾驶状态并及时提醒，可在一定程度上降低交通事故带来的生命和财产损失。随着计算机信息技术的不断发展，辅助驾驶技术已经逐渐成为了中高档车辆的标配，且正在不断普及。将疲劳驾驶识别功能嵌入辅助驾驶系统中可有效降低事故发生概率。面部识别是一种已经得到广泛使用的特征识别技术，使用成本较低。SVM算法是一种较为成熟的鲁棒性较强的分类算法，可通过一定量的训练数据自动学习到数据分类方法，并用于新数据的分类。模拟驾驶器具有高可信度的车辆动力学模型和相关环境模型，在辅助驾驶算法开发中扮演者不可或缺的角色。相比与实车，模拟驾驶器对驾驶员的要求较低、使用成本较为低廉、安全性较高，在特定场合可替代实车进行试验，从而降低企业开发成本，提高产品竞争力。

专利CN201910773659.3“基于人脸识别的夜间疲劳驾驶判断方法”提出了一种根据驾驶员面部待测特征区面积判断驾驶员疲劳驾驶状态的方法，其忽略了驾驶员眨眼频率提供的重要信息，具有一定局限性。专利CN201711278842.3“基于面部识别技术的防疲劳驾驶系统”提出了一种结合车辆运动参数和驾驶员面部参数的驾驶员疲劳驾驶状态判别方法，并不涉及具体的基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法。总之，当前技术主要聚焦于面部识别技术与疲劳驾驶状态之间的关系，忽略了疲劳驾驶相关数据难以采集，面部特征筛选不够准确等问题。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法，以模拟驾驶数据为基础，使用SVM算法建立驾驶员面部特征与疲劳驾驶状态之间的关系。

为了达到上述目的，本发明提供一种基于模拟驾驶器和面部识别技术的疲劳驾驶识别建模方法，包括以下步骤：

配置面部识别设备，进行面部识别设备校准；

驾驶员使用模拟驾驶器进行虚拟驾驶试验并全程录像，面部识别设备检测驾驶员面部特征，获得包含驾驶员面部特征的试验数据库；

驾驶员进行实验之后进行录像回放，记录驾驶人员认为自己开始处于疲惫状态的时刻；

对试验数据库进行预处理；

预处理后的试验数据库进行SVM分类模型训练，得到基于SVM的疲劳驾驶识别模型；

测试基于SVM的疲劳驾驶识别模型，得到模型的可信度。

所述面部识别设备需要检测的驾驶员面部特征包括眼睛眨眼频率、人脸俯仰角、人脸横摆角、人脸侧倾角。

进一步地，所述面部识别设备的驾驶员面部特征数据采集频率为0.5次/s，以减少冗余数据。

进一步地，在模拟驾驶器中进行虚拟驾驶试验时，采用的是基于实际地图的1:1虚拟地图；挑选进行虚拟驾驶试验的驾驶员为10位男女比例为1:1的驾驶员，且都有三年以上驾龄，驾驶频率不低于10小时/周。在模拟驾驶器中进行虚拟驾驶试验时，要求驾驶员严格按照交通规则进行驾驶。