驾驶员的驾驶状态。
[0181]图7是根据一示例性实施例示出的一种疲劳驾驶检测装置700的框图。例如，装置700可以被提供为一服务器。参照图7，装置700包括处理组件722，其进一步包括一个或多个处理器(图中未示出)，以及由存储器732所代表的存储器资源，用于存储可由处理组件722的执行的指令，例如应用程序。存储器732中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件722被配置为执行指令，以执行上述视频处理方法。
[0182]装置700还可以包括一个电源组件726被配置为执行装置700的电源管理，一个有线或无线网络接口 750被配置为将装置700连接到网络，和一个输入输出(I/O)接口 758。装置700可以操作基于存储在存储器732的操作系统，例如Windows ServerTM,Mac OS XTM,UnixTM，LinuxTM，FreeBSDTM 或类似。
[0183]本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0184]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种疲劳驾驶检测方法，其特征在于，所述方法包括: 获取包含有驾驶员体征的视频图像； 对所述视频图像进行检测，定位所述视频图像中的特征图像； 对所述特征图像进行分析，确定所述特征图像的特征信息； 根据所述特征信息，确定所述驾驶员的驾驶状态。2.根据权利要求1所述的方法，其特征在于，所述对所述视频图像进行检测，定位所述视频图像中的特征图像包括: 对所述视频图像进行预设步长帧图像划分，得到待检测帧图像； 对待检测帧图像进行特征图像检测，确定所述特征图像在所述待检测帧图像中的位置?目息O3.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息，确定所述驾驶员的驾驶状态包括: 将所述特征图像的特征信息与预设统计模型进行比对，确定所述驾驶员的驾驶状态。4.根据权利要求3所述的方法，其特征在于，所述特征图像包括:头部图像;相应的，所述对所述特征图像进行分析，确定所述特征图像的特征信息包括: 对所述头部图像进行轮廓检测，确定所述头部图像的定位坐标； 记录所述定位坐标的移动轨迹，确定所述头部图像的特征信息。5.根据权利要求4所述的方法，其特征在于，所述将所述特征图像的特征信息与预设统计模型进行比对，确定所述驾驶员的驾驶状态包括: 所述预设统计模型包括:驾驶员头部移动范围阈值； 判断所述定位坐标的移动轨迹是否超出所述驾驶员头部移动范围阈值，若超出阈值的持续时长大于第一预设时长，判断驾驶员的驾驶状态为疲劳驾驶状态。6.根据权利要求3所述的方法，其特征在于，所述特征图像包括:眼部图像;相应的，所述对所述特征图像进行分析，确定所述特征图像的特征信息包括: 对所述眼部图像进行轮廓检测，确定所述眼部图像中眼睛开度特征参数。7.根据权利要求6所述的方法，其特征在于，所述将所述特征图像的特征信息与预设统计模型进行比对，确定所述驾驶员的驾驶状态包括: 所述预设统计模型包括:眼睛开度阈值； 判断所述眼睛开度特征参数是否小于预设眼睛开度阈值，若小于预设眼睛开度阈值的持续时长大于第二预设时长，判断驾驶员的驾驶状态为疲劳驾驶状态。8.根据权利要求1所述的方法，其特征在于，所述特征图像包括:方向盘图像;相应的，所述对所述特征图像进行分析，确定所述特征图像的特征信息包括: 对所述方向盘图像进行检测，确定所述方向盘图像区域是否包含有驾驶员手部图像； 相应的，所述根据所述特征信息，确定所述驾驶员的驾驶状态包括: 若未包含所述驾驶员手部图像的持续时长超过第三预设时长，判断驾驶员的驾驶状态为疲劳驾驶状态。9.根据权利要求1?8任一项所述的方法，其特征在于，所述方法还包括: 将所述驾驶员的驾驶状态与预设驾驶警告等级进行比对，发出与所述预设驾驶警告等级对应的警告。10.根据权利要求3所述的方法，其特征在于，所述方法还包括: 采集预设数量的特征图像作为样本数据，根据预设算法对所述样本数据进行分析后得到所述预设统计模型。11.一种疲劳驾驶检测装置，其特征在于，所述装置包括: 获取模块，用于获取包含有驾驶员体征的视频图像； 定位模块，用于对所述视频图像进行检测，定位所述视频图像中的特征图像； 分析模块，用于对所述特征图像进行分析，确定所述特征图像的特征信息； 确定模块，用于根据所述特征信息，确定所述驾驶员的驾驶状态。12.根据权利要求11所述的装置，其特征在于，所述定位模块包括: 划分子模块，用于对所述视频图像进行预设步长帧图像划分，得到待检测帧图像； 检测子模块，用于对待检测帧图像进行特征图像检测，确定所述特征图像在所述待检测帧图像中的位置信息。13.根据权利要求11所述的装置，其特征在于，所述确定模块包括: 比对子模块，用于将所述特征图像的特征信息与预设统计模型进行比对，确定所述驾驶员的驾驶状态。14.根据权利要求13所述的装置，其特征在于，所述特征图像包括:头部图像;相应的，所述分析模块包括: 第一检测子模块，用于对所述头部图像进行轮廓检测，确定所述头部图像的定位坐标； 第一确定子模块，用于记录所述定位坐标的移动轨迹，确定所述头部图像的特征信息。15.根据权利要求14所述的装置，其特征在于，所述预设统计模型包括:驾驶员头部移动范围阈值;所述比对子模块包括: 第一判断子模块，用于判断所述定位坐标的移动轨迹是否超出所述驾驶员头部移动范围阈值； 第二判断子模块，用于当所述第一判断子模块判断所述定位坐标的移动轨迹超出所述驾驶员头部移动范围阈值的时长大于第一预设时长时，判断驾驶员的驾驶状态为疲劳驾驶状态。16.根据权利要求13所述的装置，其特征在于，所述特征图像包括:眼部图像;相应的，所述分析模块包括: 第二检测子模块，用于对所述眼部图像进行轮廓检测； 第二确定子模块，用于确定所述眼部图像中眼睛开度特征参数。17.根据权利要求16所述的装置，其特征在于，所述预设统计模型包括:眼睛开度阈值；所述比对子模块包括: 第三判断子模块，用于判断所述眼睛开度特征参数是否小于预设眼睛开度阈值； 第四判断子模块，用于当所述第三判断子模块判断所述眼睛开度特征参数小于预设眼睛开度阈值的持续时长大于第二预设时长时，判断驾驶员的驾驶状态为疲劳驾驶状态。18.根据权利要求11所述的装置，其特征在于，所述特征图像包括:方向盘图像；相应的，所述分析模块包括: 第三检测子模块，用于对所述方向盘图像进行检测，确定所述方向盘图像区域是否包含有驾驶员手部图像； 所述确定模块包括: 确定子模块，用于当所述第三检测子模块检测到未包含所述驾驶员手部图像的持续时长超过第三预设时长时，判断驾驶员的驾驶状态为疲劳驾驶状态。19.根据权利要求11?18任一项所述的装置，其特征在于，所述装置还包括: 警告模块，用于将所述驾驶员的驾驶状态与预设驾驶警告等级进行比对，发出与所述预设驾驶警告等级对应的警告。20.根据权利要求13所述的装置，其特征在于，所述装置还包括: 采集模块，用于采集预设数量的特征图像作为样本数据； 模型建立模块，用于根据预设算法对所述样本数据进行分析后得到所述预设统计模型。21.一种疲劳驾驶检测装置，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器用于: 获取包含有驾驶员体征的视频图像;对所述视频图像进行检测，定位所述视频图像中的特征图像； 对所述特征图像进行分析，确定所述特征图像的特征信息； 根据所述特征信息，确定所述驾驶员的驾驶状态。
【专利摘要】本公开是关于一种疲劳驾驶检测方法及装置，其中方法是通过获取包含有驾驶员体征的视频图像，对该视频图像进行检测，定位出视频图像中的特征图像；再对特征图像进行分析，确定出特征图像所包含的特征信息；从而根据特征信息，确定出驾驶员的驾驶状态。该方法提高了对驾驶状态判断的准确性、快速性，能够及时对处于疲惫状态下的驾驶员进行预警，以提高驾驶安全性。
【IPC分类】G08B21/06
【公开号】CN105488957
【申请号】CN201510938139
【发明人】沈显超, 刘洁, 吴小勇
【申请人】小米科技有限责任公司
【公开日】2016年4月13日
【申请日】2015年12月15日