一种基于摄像头的疲劳驾驶检测提醒系统的制作方法

本发明属于疲劳驾驶检测，涉及到一种基于摄像头的疲劳驾驶检测提醒系统。

背景技术：

1、疲劳驾驶是指驾驶员在长时间连续行车后，由于生理机能和心理机能的失调，导致驾驶技能下降的现象。疲劳驾驶时驾驶员的反应时间明显延长，对于突发状况的反应变得迟钝，不能及时做出正确的判断和操作，从而增加了事故的风险。因此，对于疲劳驾驶的检测和提醒具有重要意义。

2、及时、准确的疲劳驾驶行为识别是进行疲劳驾驶行为分析和提醒的重要前提，现有的疲劳驾驶检测对于疲劳驾驶行为的判断通常采用分析驾驶员是否出现连续驾驶时长超过预先设定的允许驾驶时长的方式，这种疲劳驾驶行为判断方式较为片面，忽略了驾驶员个体差异、驾驶环境、交通状况等其他可能影响疲劳的因素，降低了疲劳驾驶行为判断的准确性，基于驾驶时间的判断方法是一种事后判断，无法在驾驶员出现疲劳的初期就进行及时的预警和干预，疲劳驾驶行为判断的滞后性增加了交通事故的风险。

3、对于驾驶员出现疲劳驾驶行为的后续提醒是疲劳驾驶行为检测的目的，合适的提醒方式能够保证提醒的效果，现有的疲劳驾驶提醒方式通常采用固定的提醒方式，而没有针对不同原因导致的疲劳驾驶行为进行不同的提醒操作，降低了疲劳驾驶提醒的有效性，增大了因为提醒效果较低导致的交通事故概率。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于摄像头的疲劳驾驶检测提醒系统。

2、本发明的目的可以通过以下技术方案实现：一种基于摄像头的疲劳驾驶检测提醒系统，该系统包括：行驶时段划分模块，用于基于等间隔时长对行驶过程进行时间段划分得到若干行驶时段。

3、眼部特征异常分析模块，用于利用摄像头实时采集各行驶时段内驾驶员的眼部特征信息，所述眼部特征信息包括眨眼行为对应的眨眼频次和闭合时长，进而分析驾驶员的眼部异常情况。

4、动作特征异常分析模块，用于利用摄像头实时采集各行驶时段内驾驶员的动作特征信息，所述动作特征信息具体包括打哈欠频次和头部摇晃频次，进而分析驾驶员的动作异常情况。

5、习惯驾驶特征分析模块，用于利用摄像头采集驾驶员的面部图像，并基于信息存储库中保存的历史驾驶员面部图像进行人员识别，识别成功时提取对应驾驶员的习惯驾驶特征信息，所述驾驶特征信息包括行驶变速度和方向盘转角速度，识别失败时基于驾驶员面部图像进行人员信息创建，并将默认驾驶特征信息作为习惯驾驶特征信息。

6、实时驾驶特征分析模块，用于分析各行驶时段内驾驶员对应实时驾驶特征信息。

7、驾驶特征异常分析模块，用于基于各行驶时段内实时驾驶特征信息和习惯驾驶特征信息分析各行驶时段内驾驶员驾驶特征偏离情况，进而分析各行驶时段内驾驶员的驾驶异常情况。

8、疲劳驾驶识别模块，用于基于驾驶员的眼部异常情况、动作异常情况和驾驶异常情况分析驾驶员的疲劳驾驶情况，进而判断驾驶员是否发生疲劳驾驶行为。

9、疲劳驾驶提醒模块，用于当判断出现疲劳驾驶时基于疲劳驾驶表象进行不同方式的提醒。

10、信息存储库，用于存储默认驾驶特征信息、历史驾驶员面部图像和历史驾驶记录。

11、于本发明一优选实施例，所述分析驾驶员的眼部异常情况具体如下：提取各行驶时段内驾驶员的眨眼频次，进而将各行驶时段内驾驶员对应眨眼频次与行驶时段的时长进行对比计算得到各行驶时段内驾驶员的监测眨眼频率。

12、提取各行驶时段内驾驶员的各次眨眼行为对应的闭合时长，进而将各次眨眼行为对应的闭合时长与行驶时段的时长进行时长占比计算得到各次眨眼行为对应的闭合时长占比，进而将各次眨眼行为对应的闭合时长占比进行对比，选择最大眨眼行为闭合时长占比对应的眨眼闭合时长作为监测闭合时长。

13、将各行驶时段内驾驶员的监测眨眼频率和监测闭合时长代入分析公式得到各行驶时段内驾驶员的眼部异常指数，其中分别表示监测眨眼频率和监测闭合时长对应的权重，，表示预先设置的参考眨眼频率，表示预先设置的参考闭合时长。

14、于本发明一优选实施例，所述分析驾驶员的动作异常情况具体如下：提取各行驶时段内驾驶员的打哈欠频次，进而将各行驶时段内驾驶员对应打哈欠频次与行驶时段的时长进行对比计算得到各行驶时段内驾驶员的监测打哈欠频率。

15、提取各行驶时段内驾驶员的头部摇晃频次，进而将各行驶时段内驾驶员对应头部摇晃频次与行驶时段的时长进行对比计算得到各行驶时段内驾驶员的监测头部摇晃频率。

16、将各行驶时段内驾驶员的监测打哈欠频率和监测头部摇晃频率进行累加计算得到异常动作发生频率。

17、进而利用公式得到各行驶时段内驾驶员的动作异常指数，其中表示预先设置的参考异常动作发生频率，表示异常动作发生频率。

18、于本发明一优选实施例，所述进行人员识别具体如下：提取利用摄像头采集的驾驶员面部图像，将驾驶员面部图像与信息存储库中保存的各历史驾驶员面部图像进行一一对比，当某历史驾驶员面部图像与采集的驾驶员面部图像一致时，识别成功并提取该历史驾驶员面部图像对应的驾驶员习惯驾驶特征信息，当信息存储库中所有的历史驾驶员面部图像均与采集的驾驶员面部图像不一致时，识别失败。

19、于本发明一优选实施例，所述分析各行驶时段内驾驶员对应实时驾驶特征信息具体如下：提取各行驶时段内车辆的实时行驶速度，并以时间为横坐标以行驶速度为纵坐标绘制实时行驶速度变化曲线。

20、定位实时行驶速度变化曲线内速度发生变化的变速区段，并获取各变速区段对应的变速时间和变速速度，进而将变速速度的绝对值与变速时间进行比值计算得到各行驶时段内各变速区段的实时行驶变速度。

21、将各行驶时段内各变速区段的实时行驶变速度进行均值计算得到各行驶时段内监测实时行驶变速度。

22、利用方向盘转角传感器实时采集方向盘发生转动时的方向盘转角速度，将各行驶时段内驾驶员的各方向盘转角速度与预先设置的允许方向盘转角速度进行对比，当某方向盘转角速度大于或等于允许方向盘转角速度时，将该方向盘转角速度作为异常方向盘转角速度。

23、于本发明一优选实施例，所述分析各行驶时段内驾驶员驾驶特征偏离情况具体如下：将各行驶时段内驾驶员的监测实时行驶变速度和习惯行驶变速度进行差值计算得到各行驶时段内驾驶员的实时行驶变速度偏差值。

24、进而将各行驶时段内驾驶员的实时行驶变速度偏差值的绝对值与各行驶时段内驾驶员的实时行驶变速度进行比值计算得到各行驶时段内驾驶员的实时行驶变速度偏差度。

25、将各行驶时段内驾驶员的监测实时方向盘转角速度和习惯方向盘转角速度进行差值计算得到各行驶时段内驾驶员的实时方向盘转角速度偏差值。

26、进而将各行驶时段内驾驶员的实时方向盘转角速度偏差值的绝对值与各行驶时段内驾驶员的实时方向盘转角速度进行比值计算得到各行驶时段内驾驶员的实时方向盘转角速度偏差度。

27、于本发明一优选实施例，所述分析各行驶时段内驾驶员的驾驶异常情况具体如下：将各行驶时段内驾驶员的实时行驶变速度偏差度和实时方向盘转角速度偏差度代入分析公式得到各行驶时段内驾驶员的驾驶异常指数，其中表示各行驶时段内驾驶员的实时行驶变速度偏差度，表示实时方向盘转角速度偏差度，分别表示实时行驶变速度偏差度和实时方向盘转角速度偏差度对应的权重，。

28、于本发明一优选实施例，所述分析驾驶员的疲劳驾驶情况具体如下：提取分析得到的各行驶时段内驾驶员的眼部异常指数、动作异常指数和驾驶异常指数。

29、将各行驶时段内驾驶员的眼部异常指数、动作异常指数和驾驶异常指数按权重进行累加计算得到各行驶时段内驾驶员的驾驶疲劳度。

30、于本发明一优选实施例，所述判断驾驶员是否发生疲劳驾驶行为具体如下：将各行驶时段内驾驶员的驾驶疲劳度与预先设置的允许驾驶疲劳度进行对比，当某行驶时段内驾驶员的驾驶疲劳度大于或等于允许驾驶疲劳度时，判断该行驶时段内驾驶员发生疲劳驾驶行为，反之当某行驶时段内驾驶员的驾驶疲劳度小于允许驾驶疲劳度时，判断该行驶时段内驾驶员未发生疲劳驾驶行为。

31、于本发明一优选实施例，所述基于疲劳驾驶表象进行不同方式的提醒具体如下：当判断为驾驶员存在疲劳驾驶行为时，提取对应驾驶时段内驾驶员的眼部异常指数、动作异常指数和驾驶异常指数，进而将眼部异常指数、动作异常指数和驾驶异常指数进行对比，选取最大异常指数作为疲劳驾驶行为的疲劳驾驶表象，进而针对不同的疲劳驾驶表象进行不同方式的提醒。

32、所述提醒方式包括震动提醒、语音提示和呼吸灯提示。

33、相较于现有技术，本发明的有益效果如下：（1）本发明通过实时分析驾驶员驾驶过程的眼部异常指数、动作异常指数和驾驶异常指数，进而对驾驶员是否出现疲劳驾驶行为进行识别，这种基于人员端的疲劳驾驶检测方式增强了疲劳驾驶识别的准确性，实时分析驾驶员的各项指数，能够在驾驶员出现疲劳迹象的初期就进行预警，避免了传统时间判断方法的事后性，为驾驶员提供了及时的提醒，准确及时的预警避免因为疲劳驾驶导致的交通事故。

34、（2）本发明通过对不同驾驶员的个性化驾驶特征进行分析，并基于实时采集的驾驶特征信息分析驾驶特征异常情况，这种个性化驾驶特征分析能够考虑到不同驾驶员的独特习惯和体能差异，提高了预警的准确性，提升了驾驶过程的安全性，降低了因为错误识别导致的疲劳驾驶行为发生的概率，避免交通事故的发生。

35、（3）本发明通过针对不同的疲劳驾驶表象进行不同方式的提醒，能够关键时刻唤醒驾驶员的警觉性，以确保驾驶员能够立即意识到自己的疲劳状态，提高了系统的可靠性，可以及时帮助驾驶员调整状态，避免因疲劳驾驶导致的交通事故。