[发明专利]基于脸部信息的疲劳驾驶检测方法、装置和可读存储介质

权利要求书

1.一种基于脸部信息的疲劳驾驶检测方法，其特征在于，包括：

获取驾驶员在驾驶车辆时的实时脸部视频流；

对获取到的实时脸部视频流的每一视频帧进行检测，以获取每一视频帧的脸部状态及其置信度；

对获取到的实时脸部视频流的每一视频帧进行脸部关键点定位，以获取脸部变化数据；

根据每一视频帧的脸部状态及其置信度和脸部变化数据判断当前视频帧的脸部疲劳程度；

根据实时脸部视频流的每一视频帧的脸部疲劳程度计算预设时间段内的脸部疲劳状态值，并根据计算得到的脸部疲劳状态值进行疲劳状态判定；

根据疲劳状态判定结果进行预警响应和/或提供疲劳缓解功能。

2.如权利要求1所述的基于脸部信息的疲劳驾驶检测方法，其特征在于，所述对获取到的实时脸部视频流的每一视频帧进行检测，以获取每一视频帧的脸部状态及其置信度，包括：

构建疲劳驾驶检测数据库，并收集在不同环境下不同年龄不同性别的驾驶员在疲劳驾驶时的脸部状态图片，并将收集到的图片保存至所述疲劳驾驶检测数据库；

构建YOLO模型，将所述疲劳驾驶检测数据库内的图片输入所述YOLO模型进行训练；

获取实时脸部视频流的每一视频帧；

通过训练后的YOLO模型对获取到的每一视频帧进行检测，以获取每一视频帧的脸部状态及其置信度，所述脸部状态及其置信度包括眼部状态及其置信度和嘴部状态及其置信度。

3.如权利要求2所述的基于脸部信息的疲劳驾驶检测方法，其特征在于，所述对获取到的实时脸部视频流的每一视频帧进行脸部关键点定位，以获取脸部变化数据，包括：

获取实时脸部视频流的每一视频帧；

对获取到的每一视频帧进行眼部关键点定位和嘴部关键点定位；

对开车前一段时间内的正常状态下的眼部宽高比的平均值和嘴部宽高比的平均值进行统计并记录下来；

计算开车后一段时间后的眼部宽高比实时值和嘴部宽高比的实时值。

4.如权利要求3所述的基于脸部信息的疲劳驾驶检测方法，其特征在于，所述根据每一视频帧的脸部状态及其置信度和脸部变化数据判断当前视频帧的脸部疲劳程度，包括：

获取眼部状态及其置信度、嘴部状态及其置信度、眼部宽高比的平均值、嘴部宽高比的平均值、眼部宽高比的实时值和嘴部宽高比的实时值；

根据眼部状态及其置信度、嘴部状态及其置信度、眼部宽高比的平均值、嘴部宽高比的平均值、眼部宽高比的实时值和嘴部宽高比的实时值判断当前视频帧的脸部疲劳程度，所述脸部疲劳程度包括眼部疲劳程度和嘴部疲劳程度。

5.如权利要求4所述的基于脸部信息的疲劳驾驶检测方法，其特征在于，所述脸部疲劳程度包括眼部疲劳程度和嘴部疲劳程度，具体为：

1)眼部疲劳程度

若YOLO模型输出两只眼睛处于闭合状态的置信度大于0.9，则判断眼睛处于闭合状态，否则需要判断双眼宽高比的实时值是否小于设定的阈值T_e，若小于，则判断眼睛处于闭合状态；

2)嘴部疲劳程度

若YOLO模型输出嘴部处于闭合状态的置信度大于0.9，则判断嘴部处于闭合状态，否则需要判断嘴部宽高比的实时值是否大于设定的阈值T_m，若大于，则判断眼睛处于闭合状态。

6.如权利要求5所述的基于脸部信息的疲劳驾驶检测方法，其特征在于，所述根据实时脸部视频流的每一视频帧的脸部疲劳程度计算预设时间段内的脸部疲劳状态值，包括：

获取实时脸部视频流的每一视频帧的脸部疲劳程度；

根据获取到的脸部疲劳程度计算预设时间段内的脸部疲劳状态值，所述脸部疲劳状态值包括眼部的PERCLOS值和嘴部的打哈欠参数P_m；

根据计算得到的脸部疲劳状态值进行疲劳状态判定。