(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202210379947.2
(22)申请日 2022.04.12
(71)申请人 广东工业大 学
地址 510090 广东省广州市番禺区大 学城
外环西路10 0号
(72)发明人 朱贤瑛 项颖 张文慧
(74)专利代理 机构 广州粤高专利商标代理有限
公司 44102
专利代理师 彭东梅
(51)Int.Cl.
G06V 20/59(2022.01)
G06V 40/18(2022.01)
G06V 10/764(2022.01)
G06V 10/774(2022.01)
G06V 10/80(2022.01)G06V 10/82(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
G08B 7/06(2006.01)
G08B 21/06(2006.01)
(54)发明名称
一种基于视觉特征、 方向盘操作检测并主动
干预的制止疲劳驾驶方法
(57)摘要
本发明公开一种基于视觉特征、 方向盘操作
检测并主动干预的制止疲劳驾驶方法。 其包括采
集驾驶员的面部状态和方向盘转动信息, 使用
SSD卷积网络模型对驾驶员的眼睛状态进行识
别, 再通过识别到的面部特征和方向盘转动信
息, 预估驾驶员当前的疲劳状态。 若判断驾驶员
进入疲劳状态, 则汽车进入疲劳干预模式, 以降
低疲劳驾驶带来的风险。 本发明采用SSD卷积网
络模型实现驾驶员面部信息的提取和识别, 通过
汽车CAN总线采集方向盘转动信息, 为疲劳检测
模型增加视觉特征和驾驶行为特征作为输入因
素; 因此具有较高的识别准确率和抗客观环境干
扰的能力。 本发 明同时通过特殊的汽 车疲劳干预
驾驶模式, 达 到缩短驾驶员疲劳时间段的目的。
权利要求书2页 说明书6页 附图3页
CN 114973212 A
2022.08.30
CN 114973212 A
1.基于视觉特征、 方向盘操作检测并主动干预的制止疲劳驾驶方法, 其特征在于: 采集
驾驶员的面部状态和方向盘转动信息, 使用SSD卷积网络模型对驾驶员的眼睛和嘴巴状态
进行识别, 再通过识别到的面部特征和方向盘转动信息, 预估驾驶员当前的疲劳状态; 若判
断驾驶员进入疲劳状态, 则汽车进入疲劳干预模式, 以降低疲劳驾驶带来的风险。
2.根据权利要求1所述的方法, 其特 征在于: 具体包括以下步骤:
S1.将适用于人眼状态标定的数据集FDDB, 载入可视化标注工具LabelImg, 对数据 集中
图片中的人眼状态进行切分、 标注, 保存, 并将其按照3:1随机分配成训练集、 测试集数据;
S2.根据数据集规模和输出要求构建SSD神经网络模型, 应用S1中的训练数据集进行训
练进一步应用测试 数据集对此模型进行测试检验;
S3.通过汽车驾驶侧A柱上的摄像头采集驾驶员图像, 并输入至步骤S2中的SSD神经网
络模型, 得到人眼状态检测结果;
S4.采用汽车CAN总线中的方向盘转角信息和转角速度信息, 计算并输出E时间窗内方
向盘转角幅值标准差和零速百分比值;
S5.将通过步骤S3中的SSD神经网络模型处理的输出值和步骤S4中的输出值, 输入至D ‑
S证据融合模型中, 输出 结果以信任概 率形式表达, 作为判断司机疲劳驾驶的依据;
S6.将通过步骤S5中的D ‑S证据融合模型的输出值进行评估, 评定驾驶员当前状态, 若
得到确定值, 则汽车进入疲劳干预模式, 且根据疲劳程度, 进行不同深度的干预动作。
3.根据权利要求2所述的方法, 其特征在于: 步骤S1中所述训练和测试数据集的要求
是: 包含清醒状态和疲劳状态数据量占比为1:1; 包含特殊工况如面部遮挡、 脱离检测视野
等数据。
4.根据权利 要求2所述的方法, 其特征在于: 步骤S2中所述构建SSD神经网络模型是:针
对于步骤S2得到的数据集规模构建多个卷积层, 具体步骤如下: 通过迁移学习方法, 将
VGG16卷积网络模型结构修 改后作为SSD预训练模型: 网络训练输入图像大小为300 ×300,
将池化层由2 ×2调整为3 ×3, 同时把两个全连接层改为3 ×3卷积层和1 ×1卷积层, 再添加
四个卷积层用以生成不同尺度的特 征图。
5.根据权利要求2所述的方法, 其特征在于: 步骤S2中所述训练SSD神经网络模型是将
步骤S1中的训练数据集放入构建好的SSD神经网络模型中进行训练, 通过梯度下降法不断
调整权重和偏 置, 使loss函数最 终波动在误差允许范围[1.1 ‑2.6]内, 此时即生 成了适宜的
SSD神经网络模型。
6.根据权利要求2所述的方法, 其特征在于: 步骤S2中所述测试是将测试数据集放入生
成的SSD神经网络模型中进行检测, 检验测试效果; 若测试得到的误差, 在训练误差周围波
动, 即测试效果良好; 反 之, 则进一 步调整SSD神经网络模型的结构或参数。
7.根据权利要求2所述的方法, 其特征在于: 步骤S4中采集方向盘转动信息是通过汽车
OBD接口连接CAN总线, 100ms抓取一次总线上的CAN报文, 并计算1s内转向角度的零速百分
比和标准差:
其中, N为样本中采样点数, SAi为方向盘转角, SAm的计算公式如下:权 利 要 求 书 1/2 页
2
CN 114973212 A
28.根据权利要求2所述的方法, 其特征在于: 步骤S5中所述D ‑S证据融合模型是将步骤
S3和步骤S4中的输出值分别定为样 本证据1和样 本证据2, 给样本证据1和2设置基本概率函
数m1、 m2, 再通过如下Dempster组合 规则, 得到融合之后的疲劳概 率函数
其中, K是归一化常数, 取值范围(0,1)。
9.据权利要求8所述的方 法, 其特征在于: 所述疲劳概率函 数
即为综合眼部
状态和转向盘转动参数的结果判定是否疲劳的参数,
其中, K是归一化常数, 取值范围(0,1)
10.根据权利要求2所述的方法, 其特征在于: 步骤S6中车载疲劳监测模块判断驾驶员
为轻度疲劳, 在CAN总线发出进入轻度疲劳干预指令, 整车各模块收到指令后, 均进入该模
式: 空调自动降低温度、 增大风量, 调节车内空气环境; 仪表点亮报警图标, 并持续闪烁; 多
媒体进行语音报警; 判断为重度疲劳, 疲劳监测模块在CAN总线发出进入轻度疲劳干预指
令, 整车各模块收到指令后: 自适应巡航模块结合当前路况和周围车况, 自适应降低车速;
地图自动导 航最近的停车位或休息区。权 利 要 求 书 2/2 页
3
CN 114973212 A
3
专利 一种基于视觉特征、方向盘操作检测并主动干预的制止疲劳驾驶方法
安全报告 >
其他 >
文档预览
中文文档
12 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共12页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 人生无常 于 2024-03-18 07:34:07上传分享