一种疲劳判断系统及方法
【技术领域】
[0001] 本发明涉及电子系统技术领域，具体涉及一种疲劳判断系统及方法。
【背景技术】
[0002] 疲劳驾驶检测属于主动安全中的范畴，而目前疲劳驾驶检测方法很多，如脸部表 情、身体动作检测、肌肉状况、眼睛的开闭状态、方向盘转角检测等。目前对疲劳检测系统的 研究主要可以分为两类方法，一类是基于硬件的方法，另一类是基于计算机视觉的方法。
[0003] 基于硬件的方法涉及到对物理硬件的研究与设计，如眼电图、肌电图、脑电图测 量，虽然这种方法对疲劳的判断能获得准确的效果，但这类方法所使用的硬件必须接触人 体，在实际应用中可操作性不强。基于计算机视觉的方法是通过摄像头获取待检的正面脸 部视频，处理终端对视频图像进行实时处理，提取脸部各器官特征，通过分析眼睛、嘴等器 官特征的变化情况，判断是否处于疲劳状态。判断依据包括眼睛睁开程度降低、瞳孔高度变 小、眨眼时闭眼时间延长、频频打哈欠引起的嘴部张开等变化。该方法属于非接触式的检测 方法，检测设备安装简单，可操作性强，但是这种方法都需要自定义疲劳状态判断条件，而 由于每个人的眨眼习惯等均不相同，这就识得自定义的疲劳状态判断条件对每个使用者不 一定匹配，也就容易造成误判断。
【发明内容】
[0004] 本发明的目的是提出一种自适应的检测疲劳驾驶的方法，可减少疲劳驾驶的误判 断。
[0005] 本发明目的，通过以下技术方案获得：
[0006] 一种疲劳判断系统，其中，
[0007] 标准数据集，获取被检测者在非疲劳状态下的特征参数，并根据所述特征参数形 成一标准集合；
[0008] 采集单元，实时采集被检测者的状态特征参数，并形成复数个变量参数；
[0009] 计算单元，根据所述标准集合和所述变量参数，形成计算结果；
[0010] 判断单元，接收所述计算结果，并根据所述计算结果形成一判断结果输出，
[0011] 报警单元，根据所述判断结果执行与所述判断结果相匹配的操作。
[0012] 优选地，上述的疲劳判断系统，其中，所述状态特征参数包括：单位时间内实施闭 眼动作的数量；和/或单位时间内实施眨眼动作的数量；和/或单位时间内实施唇部张开 最大动作的数量；和/或单位时间内实施点头动作的数量；和/或单位时间内获取的面部 图像帧数；和/或单位时间内实施连续闭眼动作的数量。
[0013] 优选地，上述的疲劳判断系统，其中，所述采集单元还包括一转化单元，所述转化 单元用以将所述状态特征参数转化为所述变量参数。
[0014] 优选地，上述的疲劳判断系统，其中，所述转化单元根据转化函数将所述状态特征 参数转化为所述变量参数，以所述变量参数〈1且所述变量参数> 〇,所述转换函数为：
[0015] y = kf (m (χ-η)) +c
[0016] 其中，χ为所述状态特征参数，m为所述状态特征参数于水平方向的缩放率；η为所 述状态特征参数于水平方向的平移量，k为第一调整参数，k e (〇、1)，c为第二调整参数， c e (〇、1)，y为所述变量参数。
[0017] 优选地，上述的疲劳判断系统，其中，所述计算单元根据Sigmoid型激励函数结合 所述标准集合和所述变量参数形成所述计算结果，其中，所述Sigmoid型激励函数为：
[0019] 其中，z为所述计算结果。
[0020] 优选地，上述的疲劳判断系统，其中，所述计算单元根据反正切函数结合所述标准 集合和所述变量参数形成所述计算结果，其中，所述反正切函数为：
[0021] z = atari (y) +b
[0022] 其中，z为所述计算结果，a、b均为常量。
[0023] -种疲劳判断方法，其中，
[0024] 步骤S1、获取被检测者在非疲劳状态下的特征参数，并根据所述特征参数形成一 标准集合；
[0025] 步骤S2、实时采集被检测者的状态特征参数，并形成个变量参数；
[0026] 步骤S3、根据所述标准集合和所述变量参数，形成计算结果；
[0027] 步骤S4、接收所述计算结果，并根据所述计算结果形成一判断结果输出。
[0028] 优选地，上述的疲劳判断方法，其中，步骤S5、报警单元于所述判断结果的作用下 执行与所述判断结果相匹配的动作。
[0029] 优选地，上述的疲劳判断方法，其中，于所述步骤S2中，通过图像获取装置获取所 述状态特征参数。
[0030] 优选地，上述的疲劳判断方法，其中，于所述步骤S3中，通过一处理终端根据所述 标准集合和所述变量参数，形成计算结果。
[0031] 优选地，上述的疲劳判断方法，其中，于所述步骤S2中，包括：
[0032] 步骤S21、实时采集被检测者的状态特征参数，并形成复数个变量参数；
[0033] 步骤S22、判断采集时间是否达到预定时间；
[0034] 步骤S23、于所述采集时间未达到预定时间的状态下，执行步骤21，继续采集下一 帧所述状态特征参数；
[0035] 步骤S24、统计预定时间的每个所述状态特征参数的变化总量，并形成所述变量参 数。
[0036] 优选地，上述的疲劳判断方法，其中，所述标准集合采用模糊理论形成。
[0037] 与现有技术相比，本发明的优点是：
[0038] 分别采集多个非疲劳状态下的特征参数，根据获取的特征参数形成标准集合，在 判断过程中，实时采集单位时间内被检测者的状态特征参数，同时状态特征参数与标准集 合做比较，综合判断被检测者是否处于疲劳状态，提高疲劳驾驶的判断准确率，同时在疲劳 驾驶过程中及时提醒，避免出现交通事故。
【附图说明】
[0039] 图1为本发明中一种疲劳判断系统的结构示意图；
[0040] 图2为Sigmoid型激励函数示意图；
[0041] 图3为反正切函数示意图；
[0042] 图4为本发明个一种疲劳判断方法的流程示意图；
[0043] 图5为本发明中基于模糊理论的疲劳状态判断方法的流程示意图。
【具体实施方式】
[0044] 下面对照附图，通过对实施实例的描述，对本发明的【具体实施方式】如所涉及的各 构件的形状、构造、各部分之间的相互位置及连接关系、各部分的作用及工作原理等作进一 步的详细说明。
[0045] 如图1所示，一种疲劳判断系统的结构示意图，其中，包括标准数据集、采集单元、 计算单元、判断单元、报警单元，标准数据集、采集单元均连接计算单元的输入端，计算单元 的输出端连接判断单元的输入端，判断单元的输出端连接报警单元。
[0046] 标准数据集，获取被检测者在非疲劳状态下的特征参数，并根据所述特征参数形 成一标准集合。所述状态特征参数可包括单位时间内实施闭眼动作的数量；单位时间内实 施眨眼动作的数量；单位时间内实施唇部张开最大动作的数量；单位时间内实施点头动作 的数量；单位时间内获取的面部图像帧数；单位时间内实施连续闭眼动作的数量。
[0047] 采集单元，实时采集被检测者的状态特征参数，并形成个变量参数；进一步地，所 述转化单元根据转化函数将所述状态特征参数转化为所述变量参数，以所述变量参数< 1 且所述变量参数> 〇,所述转换函数为：所述采集单元还包括一转化单元，所述转化单元用 以将所述状态特征参数转化为所述变量参数y1;
[0048] Yi = k ^ (m (xj-n)) +Ci
[0049] 其中，为变量参数，y [0、1]，χ ;为所述状态特征参数，m为所述状态特征参数 于水平方向的缩放率；η为所述状态特征参数于水平方向的平移量，Ic1为第一调整参数，Ic1 > 〇, Ci为第二调整参数，c ;> 0, y为所述变量参数，i为自然数。
[0050] 本发明中，状态特征参数可包括单位时间内实施闭眼动作的数量；单位时间内实 施眨眼动作的数量；单位时间内实施唇部张开最大动作的数量；单位时间内实施点头动作 的数量；单位时间内获取的面部图像帧数；单位时间内实施连续闭眼动作的数量。则与之 相应的包括单位时间内实施闭眼动作的状态特征参数，以X 1表示，单位时间内实施眨眼动 作的状态特征参数，以X2表示；单位时间内实施唇部张开最大动作的状态特征参数，以乂 3表 示；单位时间内实施点头动作的状态特征参数，以X4表示；单位时间内获取的面部图像帧 的状态特征参数，以X 5表示；单位时间内实施连续闭眼动作的状态特征参数，以X 6表示。
[0051] 所述X1的变量参数为：y丨=k JOn(X1-Ii)Hc1;
[0052] 所述 X2 的变量参数为：y 2= k /(mUfn)) +c2;
[0053] 所述 X3的变量参数为：y 3= k 3f(m(x3-n)) +c3;
[0054] 所述 X4的变量参数为：y 4= k 4f (m(x4-n)) +c4;
[0055] 所述 X5的变量参数为：y 5= k 5f(m(x5_n)) +c5;
[0056] 所述 X6的变量参数为：y 6= k 6f (m(x6-n)) +c6;
[0057] 计算单元，根据上述的复数个标准集和上述的复数个变量参数，形成计算结果；
[0058] 如图2所示，Sigmoid型激励函数示意图，自变量远远小于零时，无限接近最小 值-1，在自变量远远大于零时，无限接近最大值1，而在自变量等于零时，斜率最大，其行为 特性刚好符合疲劳程度衡量的需求，任意一个状态参数的影响都在一个有限的范围内变 化，且有一个相当于阈值的快速变化区。所述计算单元根据Sigmoid型激励函数结合所述 标准集合和所述变量参数形成所述计算结果，其中，所述Sigmoid型激励函数Z 1S :
[0060] 其中，Z1为所述变量参数对应的疲劳度。
[0061] 具体包括：
[0063] Z1为单位时间内实施闭眼动作所对应的疲劳度；
[0065] Z2为单位时间内实施眨眼动作所对应的疲劳度；
[0067] Z3S实施唇部张开最大动作所对应的疲劳度；
[0069] Z4为