[发明专利]一种疲劳测量方法、装置及计算机可读介质

说明书

本发明公开了一种疲劳测量方法、装置及计算机可读介质，所述方法包括：获取目标对象的脸部视频；对脸部视频进行处理，得到若干准心率和若干准震动频率；准心率用于通过眉间感兴趣区域和/或下巴感兴趣区域而获得，准震动频率用于通过眼睛和/或嘴巴而获得；从若干准心率中选取目标心率，并从若干准震动频率中选取目标震动频率；对目标心率和目标震动频率进行检测，并根据检测结果确定目标对象处于疲劳状态。由此，能够基于脸部视频获得心率和眼睛嘴部的震动频率，并将心率和震动频率相结合用于目标对象疲劳状态的检测，提高了疲劳测量结果的准确性和鲁棒性，解决了现有技术中由于复杂的逻辑分析导致计算量增大且疲劳测量结果鲁棒性低的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种疲劳测量方法、装置及计算机可读介质。

背景技术

云上课成了疫情期间学生们上课的主要形式。云上课是通过上网课实现的，而网课通常是采用录播的形式，为此，学生和老师无法建立面对面的互动。对于自制力比较弱的小学生和中学生，经常会出现由于通宵玩手机或者打游戏导致白天上课疲惫，从而注意力不集中，进而影响学习。因此急需要提供一种疲劳检测方法，能够在上网课时对学生的疲劳程度进行检测以密切监测学生的生理和身体状态，从而有助加强学生的自主学习，进而帮助学生养成良好的学习习惯。

目前疲劳监测技术主要应用于无人机驾驶上，主要通过检测眼睛、口腔以及头部的疲劳特征，再通过复杂的逻辑分析从而判断疲劳程度。然而这种串行的逻辑分析不仅鲁棒性低而且逻辑繁琐，并且忽略了眼睛以及嘴巴的相互关系，因此无法对疲劳状态进行准确检测。

发明内容

为了解决上述现有技术存在的问题，本发明实施例提供一种疲劳测量方法、装置及计算机可读介质装置，能够基于脸部视频对疲劳状态进行检测，提高了疲劳检测的准确性和鲁棒性。

为实现上述目的，根据本发明实施例第一方面，提供一种疲劳测量方法，所述方法包括：获取目标对象的脸部视频；对所述脸部视频进行处理，得到若干准心率和若干准震动频率；所述准心率用于通过眉间感兴趣区域和/或下巴感兴趣区域而获得，所述准震动频率用于通过眼睛和/或嘴巴而获得；从若干准心率中选取目标心率，并从若干准震动频率中选取目标震动频率；对所述目标心率和所述目标震动频率进行检测，并根据检测结果确定所述目标对象处于疲劳状态。

可选的，所述对所述脸部视频进行处理，得到若干准心率和若干准震动频率，包括：按照特定步长的时间窗口将所述脸部视频划分成若干窗口视频；针对任一所述窗口视频：对所述窗口视频进行提取处理，得到眼睛特征信号、嘴部特征信号、眉间特征信号和下巴特征信号；对所述眼睛特征信号、嘴部特征信号、眉间特征信号和下巴特征信号进行融合处理，得到融合特征信号；对所述融合特征信号进行转换处理，得到准心率和准震动频率。

可选的，所述对所述窗口视频进行提取处理，得到眼睛特征信号、嘴部特征信号、眉间特征信号和下巴特征信号，包括：利用模型对所述窗口视频进行预测，生成脸部关键点，所述脸部关键点包括轮廓关键点和特定部位关键点；从所述脸部关键点中分别提取眼睛关键点、嘴巴关键点、眉间感兴趣区域，以及下巴感兴趣区域；对所述眼睛关键点和所述嘴巴关键点分别进行降维处理，得到眼部特征信号和嘴部特征信号；对所述眉间感兴趣区域和所述下巴感兴趣区域分别进行特征提取处理，得到眉间色彩信号和下巴色彩信号；对所述眉间色彩信号和所述下巴色彩信号分别进行降噪处理，得到眉间特征信号和下巴特征信号。

可选的，所述对所述融合特征信号进行转换处理，得到准心率和准震动频率，包括：对所述融合特征信号进行降噪处理，得到平稳特征信号；对所述平稳特征信号进行盲源分离，并将盲源分离后的信号成分转化成频率值，得到若干频率值；基于机体心率范围，从所述若干频率值中选取预心率，并对选取的预心率求均值，得到准心率；基于眼嘴部震动频率范围，从所述若干频率值中选取预震动频率，并对选取的预震动频率求均值，得到准震动频率。