基于图像分析的疲劳驾驶专利技术综述
机动车疲劳驾驶辨识方法研究综述
机动车疲劳驾驶辨识方法研究综述疲劳驾驶是指由于长时间连续驾驶或睡眠不足导致驾驶者出现疲劳、反应迟钝甚至昏睡等状况，从而影响驾驶安全的现象。
疲劳驾驶在很多交通事故中都起到了重要的作用，因此如何及时发现和识别驾驶者的疲劳状态就显得尤为重要。
本文将对当前关于机动车疲劳驾驶辨识方法的研究进行综述。
目前，研究疲劳驾驶辨识方法主要包括生理信号检测、行为检测和驾驶行为分析等方面。
其中，生理信号检测是通过监测驾驶者的生理信号来识别其疲劳状态。
常见的生理信号包括心率、脑电波、眼动等。
通过监测这些生理信号的变化，可以分析驾驶者的注意力、反应能力以及疲劳程度等。
目前，基于心率变异性分析和脑电波分析的方法较为成熟，已经在实际驾驶中得到了一定的应用。
行为检测是通过监测驾驶者的行为特征来判断其是否疲劳驾驶。
常见的行为特征包括头部姿态、眼睛闭合度、眼瞳大小等。
通过分析这些行为特征的变化，可以判断驾驶者是否疲劳或者是否专注于驾驶。
近年来，由于计算机视觉和图像处理的发展，基于图像处理和机器学习的行为检测方法逐渐被引入。
通过使用摄像头对驾驶者进行监测，并结合图像处理和机器学习算法，可以实时检测驾驶者的行为特征，从而判断其是否疲劳驾驶。
驾驶行为分析是通过分析驾驶行为中的一些特征来判断驾驶者的疲劳状态。
常见的驾驶行为特征包括车道偏移、加速度变化、转向角度等。
通过分析这些驾驶行为特征的变化，可以对驾驶者是否疲劳进行判断。
目前，基于车载传感器和数据采集技术的驾驶行为分析方法较为常用。
通过安装车载传感器，可以采集驾驶过程中的车辆状态信息，然后通过分析这些信息来判断驾驶者的疲劳程度。
综上所述，当前关于机动车疲劳驾驶辨识方法主要包括生理信号检测、行为检测和驾驶行为分析等方面，其中生理信号检测和行为检测已经取得了一定的研究进展并得到了一定的应用。
然而，由于疲劳驾驶的多样性和复杂性，目前的辨识方法仍然存在一些挑战。
未来的研究可以进一步深入探究疲劳驾驶的发生机制，以及提出更加准确和可靠的辨识方法，为疲劳驾驶的预防和控制提供更有效的手段。
基于图像识别的疲劳驾驶监测方法研究
关键 词 ：图像 识 别 ：疲 劳监 测 ：脸 部 识 别 中 图 分 类 号 ： ＴＰ ３ － ０ ５ 文 献 标 识 码 ：Ａ 文章 编 号 ：１ ６ ７ ２ － ９ ８ ７ ０ （ ２ ０ １ ６ ） Ｏ ６ — ０ １ Ｏ ２ 一 Ｏ ３
Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｎ Ｄｒ ｉ ｖ ｅ ｒ Ｆａ ｉ ｔ ｇ ｕ ｅ Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ Ｍｅ ｔ ｈ ｏ ｄ
Ｖｏ １ ． ３ ９ Ｎｏ ． ６ Ｄｅ Ｃ ． ２ ０ １ ６
基 于 图像 识别 的疲劳 驾驶 监 测 方 法 研 究
黄春 雨 ，苏李
（ １ ． 长春理工大学
２ ． 吉林省教育学 院
计算 机科 学技 术学 院 ，长春
１ ３ ０ ０ ２ ２ ；
１ ３ ０ ０ ２ １ ）
职业与成人教育教研培训学院 ，长春
大学生创业计划赛项目计划书---基于姿态识别的疲劳驾驶测
基于姿态识别的疲劳驾驶测一、产品及技术介绍1、产品介绍：疲劳驾驶检测技术主要表现在迅速、准确、及时地处理实时图像并对驾驶员发出预警，并通过预警有效干预驾驶员的疲劳驾驶状态。
此外，功能优异的疲劳报警装置应具备较好的灵敏度、准确性和优越的价格比。
该检测技术引入的疲劳驾驶检测系统在车辆启动后应能自动开启，对人眼开合、打哈欠与头部摆动进行检测，对人脸的主动追踪、人眼开合与打哈欠情况的评估判断等问题提出合理方案。
2、技术介绍：（1）系统框架：由用户交互界面和算法组成（2）模型：该疲劳驾驶检测系统采用的模型是戴维斯·金（Davis King）组织创建的dlib库中的“shape_predictor_68_face_landmarks.dat”模型。
该模型用于人脸关键点的检测，可以检测出人脸的68个特征点，包括眉毛、眼睛、鼻子、嘴巴等部位的轮廓和关键点。
通过这些特征点，可以实现人脸对齐、表情识别、人脸识别等多种应用。
该疲劳驾驶检测系统就是通过应用“shape_predictor_68_face_landmarks.dat”模型对人脸的眼睛与嘴巴进行识别，来计算眨眼频率和打哈欠频率，再综合驾驶员头部摆动的幅度和频率，来评估驾驶员当前是否处于疲劳驾驶状态。
二、解决市场痛点1、识别准确率稍弱：疲劳驾驶检测系统的一个主要痛点是其识别准确率稍显不足。
这意味着系统在某些情况下可能无法准确判断驾驶员是否处于疲劳状态，导致可能产生误报或漏报的情况。
为了提高识别准确率，系统可能需要进一步优化其算法，以更准确地捕捉和分析驾驶员的面部特征、眼睛状态以及头部姿态等关键指标。
2、姿态检测的算法尚有提升空间：姿态检测在疲劳驾驶检测中扮演着至关重要的角色，它用于帮助系统理解驾驶员的身体状态，如是否倾斜、低头等，这些都可以作为疲劳驾驶的潜在信号。
然而，现有的姿态检测算法可能还不够成熟，无法在所有情况下都提供准确的结果。
因此，对算法进行改进和优化，提高其准确性，将是提升系统性能的重要方向。
基于视频图像分析的驾驶员疲劳检测方法的研究的开题报告
基于视频图像分析的驾驶员疲劳检测方法的研究的开题报告一、选题背景随着交通工具的发展和普及，交通安全问题越来越受到人们的关注。
驾驶员疲劳驾驶是造成交通事故的主要原因之一。
因此，研究一种有效的驾驶员疲劳检测方法对交通安全具有重要的意义。
随着计算机视觉和图像处理技术的发展，视频图像分析技术已经广泛应用于交通领域。
利用计算机视觉和图像处理技术，可以对驾驶员的面部表情、头部姿态、瞳孔大小等进行实时监测，判断驾驶员的驾驶状态，有效地减少了驾驶员疲劳驾驶所造成的交通事故。
二、研究内容本文将以视频图像分析技术为基础，研究一种新的驾驶员疲劳检测方法。
具体研究内容包括：1. 驾驶员面部表情分类通过分析驾驶员面部表情，判断驾驶员的情绪状态，是否出现疲劳驾驶的迹象。
本研究将探索如何选取有效的面部表情特征，以及如何利用机器学习算法进行分类。
2. 驾驶员头部姿态检测通过分析驾驶员头部的姿态变化，判断驾驶员的驾驶状态。
本研究将探索如何利用计算机视觉技术提取出头部姿态特征，并利用机器学习算法进行分类。
3. 驾驶员瞳孔大小检测通过分析驾驶员瞳孔的大小变化，判断驾驶员的精神状态，是否出现疲劳驾驶的迹象。
本研究将探索如何利用计算机视觉技术提取出瞳孔大小特征，并利用机器学习算法进行分类。
三、研究方法和技术路线本研究将基于视频图像分析技术和机器学习算法，设计和实现驾驶员疲劳检测系统。
具体技术路线如下：1. 数据采集本研究将采集一定数量的视频数据，包括驾驶员面部表情、头部姿态和瞳孔大小等变化。
2. 面部表情分类本研究将探索如何选取有效的面部表情特征，如眨眼次数、俯仰角度等，并利用机器学习算法进行面部表情分类。
3. 头部姿态检测本研究将利用计算机视觉技术提取出头部姿态特征，如头部旋转角度、俯仰角度等，并利用机器学习算法进行头部姿态分类。
4. 瞳孔大小检测本研究将利用计算机视觉技术提取出瞳孔大小特征，并利用机器学习算法进行瞳孔大小分类。
5. 系统实现本研究将设计和实现驾驶员疲劳检测系统，以提高交通安全性能。
基于图像识别技术的疲劳驾驶预警系统的设计
南方农机,2020,51(13):10-11. [4]齐伟，张来刚，刘朝阳.基于人脸追踪和特征分析的疲劳
驾驶预警系统设计[J].时代汽车,2020(15):169-170. ⑸王欣，吴键，孙涵，等.基于DSP的疲劳驾驶视觉检测与
预警系统设计[J].测试技术学报,2020,34(6):506-513. [6] Mao M,Du L.Research on drive fatigue detection using
1.3预警类型
1.3.1闭眼预警
当驾驶员在行驶过程中的闭眼状态时长持续1.0 s时，系 统会发出轻度疲劳预警；当闭眼状态时长持续1.5 s时，系统 会发出中度疲劳预警；当闭眼状态时长持续2.0 s时，系统会 发出重度疲劳预警［13'ls］o
1.3.2打哈欠预警
当驾驶员出现打哈欠的行为并持续0.5 s时，系统会自动 发出轻度疲劳预警；当打哈欠的行为持续1.0 s时，系统会发 出中度疲劳预警；当打哈欠的行为持续1.5 s时，系统会发出 重度疲劳预警。
YANG Xiaoxia1, ZHONG Haiqiang2, LI Chunlai1
(1. Heyuan Polytechnic College, Heyuan Guangdong 517000, China; 2. Jingdian (Heyuan) Display Technology Co., Ltd., Heyuan Guangdong 517000, China)
Байду номын сангаас
疲劳驾驶预警系统
|闭眼预警］|打哈欠预警］［低头预警］丽右盼预警| ［抽烟/打电话］|夜间环境］ 图2系统功能结构图
139
敏件打发与惑用
信IR与电IE
基于人脸识别的疲劳驾驶检测系统的研究(毕业设计论文)
本科毕业设计（论文）基于人脸识别的疲劳驾车检测系统的研究学院（系）：电气工程学院专业：测控技术与仪器学生姓名：学号：指导教师：答辩日期：摘要近些年由于人们的生活节奏快，工作压力大，因疲劳问题而引起的事故时有发生，疲劳驾驶而酿成的惨剧更是使我们警钟长鸣。
为了解决这个问题，本次毕业设计着重讨论一种基于ASM模型的人脸识别算法和一种疲劳驾驶的面部特征判定标准。
本文的主要内容是：首先，简要介绍此次研究的课题意义，再介绍人脸识别和疲劳检测的一些相关的背景知识，由于此次课题是疲劳驾驶的检测，所以介绍的重点是关于疲劳驾驶的检测研究。
其次，讨论疲劳的判定方法，这一部分主要是对疲劳特征的选择研究，涉及到人眼睛和嘴的形状的疲劳特征分析，然后进行疲劳分析的综合。
然后，详细介绍ASM模型的定义，在这一部分中还介绍了ASM的算法、区域收敛方法以及判定收敛的依据，另外，在这部分中将给出算法实现步骤的流程图。
再后，主要内容是图像处理与识别，其中包括图像的预处理和手工描点方法所需要确定的参量，以及如何用matlab程序得到这些参量。
程序的流程图也在这一章展示。
关键词人脸识别；疲劳检测；疲劳特征；动态形状模型AbstractRecently as the fast pace of life and heavy work pressure, accidents caused by fatigue happened frequently. Traffic accident disaster is causing the bells to ring. To solve this problem, the graduation project focused on a face recognition algorithm based on ASM model and a facial features determination standards of fatiguedriving. The main contents are:First, there is a brief introduction of the research, the relevant background knowledge of face recognition and fatigue testing will be given later. as it is the detection of fatiguedriving that we are taking care of, we will mainly focus on the it.Secondly, we will learn the judging methods of fatigue, the part choice of the fatigue characteristics is studied here, the fatigue characteristics of eyes and mouth is analyzed, then we will comprehensively analysis them.Then, the principle and method of ASM person face recognition technology is studied. In this section,we will describe the ASM algorithm, the covergence method and the basis of determining convergence.The flow chart of algorithm will also be given flow chart in this part.Finally, we will show picture pre-treatment methods and picture recognition, this part includes the image pre-processing, the needed parameters and how to use the matlab program to get the parameters. The idea and flow chart of the main program will be given.Keywords Face Recognition; Fatigue Detection; Fatigue Characteristics; Active Shape models目录摘要 (I)Abstract (I)第1章绪论 (1)1.1课题背景和意义 (1)1.2研究现状 (2)1.3本文主要研究内容 (4)第2章疲劳分析和疲劳检测 (5)2.1疲劳驾驶特征综述 (5)2.2具体特征分析 (5)2.2.1 疲劳驾驶眼部特征分析 (5)2.2.2 疲劳驾驶嘴的特征分析 (7)2.2.3原始数据的获取 (8)2.3眼睛和嘴特征的综合分析 (9)2.4本章小结 (9)第3章ASM人脸识别算法 (10)3.1ASM模型的定义 (10)3.2ASM人脸识别的优势 (10)3.2.1 ASM搜索算法的特点 (10)3.2.2 几种识别方式对比分析 (11)3.3ASM的模型建立 (11)3.4ASM模型的搜索算法 (13)3.5流程设计思路 (16)3.6本章小结 (17)第4章图像处理和识别 (18)4.1图像预处理的必要性 (18)4.2常用光照预处理技术 (18)4.2.1 基于直方图的预处理方法 (18)4.2.2 线性变换 (19)4.2.3 对数变换 (20)4.2.4 指数变换 (21)4.2.5 光照预处理方法选择 (21)4.3图片选取策略 (21)4.4图像手工描点的实现 (22)4.4.1 要确定的要素分析 (22)4.4.2 要素值的确定方法 (22)4.5选点策略 (25)4.6程序流程图 (25)4.7收敛过程和识别结果 (26)4.8本章小结 (27)结论 (28)参考文献 (29)第1章绪论1.1 课题背景和意义驾驶疲劳是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打瞌睡、驾驶操作失误或完全丧失驾驶能力。
基于图像处理技术的驾驶员疲劳识别系统设计与优化
基于图像处理技术的驾驶员疲劳识别系统设计与优化一、引言随着社会的发展，人们对于交通安全的要求越来越高。
驾驶员的疲劳驾驶已成为引起交通事故的重要原因之一，因此驾驶员疲劳的识别及预警技术越来越受到关注。
目前，基于图像处理技术的驾驶员疲劳识别系统已经成为研究的热点之一。
因此，本文将探讨基于图像处理技术的驾驶员疲劳识别系统的设计与优化。
二、相关技术介绍基于图像处理技术的驾驶员疲劳识别系统主要利用摄像头采集驾驶员的面部特征，通过图像处理技术对驾驶员的眼睛、嘴唇等特征进行分析，进而判断驾驶员是否出现疲劳，从而及时进行预警。
其核心技术包括图像采集技术、人脸检测技术、人脸识别技术、眼睛检测技术、嘴唇检测技术、特征提取技术等。
三、系统设计基于图像处理技术的驾驶员疲劳识别系统的设计流程如下：1、驾驶员图像采集通过摄像头采集驾驶员的面部图像，并进行预处理，包括图像的颜色空间转换、灰度化处理等。
2、人脸检测与识别利用人脸检测技术对驾驶员面部图像中的人脸进行检测，并对检测结果进行去噪、归一化等处理，以保证后续特征提取的准确性。
同时，应用人脸识别技术对每个人脸进行唯一编号。
3、眼睛检测利用眼睛检测技术，对眼部特征进行检测，包括眼睛的位置、大小、闭合程度等。
4、嘴唇检测利用嘴唇检测技术，对嘴唇的位置、大小、形状等进行检测。
5、特征提取与分析针对不同的情况，应用不同的特征提取技术，包括形态学处理、滤波、边缘检测等。
然后利用算法分析提取得到的特征数据，对疲劳情况进行判断。
6、预警当系统判断驾驶员处于疲劳状态时，可通过预警装置进行声光报警、振动提醒等操作，提醒驾驶员及时休息或者交替驾驶。
四、系统优化基于图像处理技术的驾驶员疲劳识别系统存在以下问题：1、对光线的依赖性较强，夜间照明条件差时容易误判；2、使用简单方法提取特征时识别效果较差，需要应用更加高效的算法；3、由于不同司机的面部特征差异较大，需要建立一个较大的数据集，并配合机器学习算法进行建模。
基于计算机视觉的疲劳驾驶检测专利分析
基于计算机视觉的疲劳驾驶检测专利分析作者：李海龙刘明进来源：《科教导刊·电子版》2017年第16期摘要对基于计算机视觉的疲劳驾驶检测领域的专利申请趋势、专利申请产出国和申请人分布进行了统计分析，重点针对基于人眼、基于人脸、基于嘴巴的疲劳驾驶检测这三个技术分支的发展脉络进行了梳理，并对基于计算机视觉的疲劳驾驶检测的发展趋势进行了分析。
关键词疲劳驾驶人眼、人脸嘴巴专利中图分类号：C18 文献标识码：A0引言造成交通事故的原因25%-30%产生于疲劳驾驶，因此疲劳驾驶已成为诱发交通事故的重要因素。
国内外专家和学者针对疲劳驾驶的检测开展了大量的研究工作，目前研究的重心主要集中在基于计算机视觉的疲劳驾驶检测，因此对基于计算机视觉的疲劳驾驶检测的相关专利进行分析尤为必要。
1基于计算机视觉的疲劳驾驶检测专利申请数据分析1.1全球专利申请量趋势从图1可以看出，基于计算机视觉的疲劳驾驶检测专利申请量从1990-2001年间处于技术研发初期，专利申请量相对较少。
从2002年开始该领域的专利申请量逐渐呈现持续增长趋势，并在2014年达到最大值153件。
由此可知，随着疲劳驾驶的增多，人们对疲劳驾驶的检测也越来越重视，相应的研究也正不断增加。
基于此，在今后的一段时间内，相关的专利申请量有望继续保持。
1.2专利申请产出地区分布目前各领域的专利申请量主要集中在中国、美国、韩国、日本和欧洲，通过对该领域在中国、美国、韩国、日本和欧洲的专利申请量进行统计分析发现，中国的申请量以48%的占比雄居第一，其他几个地区的申请量相差不大，具体如图2所示。
1.3在华专利申请量变化趋势图3为1990年至2014年基于计算机视觉的疲劳驾驶检测在华的申请量变化趋势图，由该图可以看出，1990-2002年是技术的萌芽期，在2003年以后申请量才呈现逐年增长的趋势，并且在2012年-2014年将均维持在较高的申请量。
因此，该领域国内虽然起步较晚，但是最近几年申请量相对其他地区却具有压制性的优势。
疲劳驾驶检测技术研究综述
疲 劳 驾 驶 检 测技 术 研 究 综 述
疲劳驾驶检测技术研究综述
Ｓ ｒ ｅ ｎ Ｆ ｔ ｕ ｉｉｇ Ｄｅ ｅ ｔ ｎ Ｍｅ ｈ ｄ ｅ ｅ ｒ ｈ ｕ ｖ ｙ ｏ ａ ｉ ｅ Ｄｒ ｎ ｔ ｃ ｉ ｔ ｏ Ｒ ｓ ａ ｃ ｇ ｖ ｏ
吴雅 萱 李文 书 施 国生 周 涛 （ 浙江理工大学，浙江 杭州 ３０ １） １０８
摘 要
分 析 了疲 劳驾 驶检 测技 术 的研 究难 点 ， 绍 了 当前 世 界 上 几 种 具有 代 表 性 的 疲 劳检 测 方 法 ， 出 了应 用 信 息 融 合 技 术 介 提 将 多种 检 测 方 法 进行 有机 融合 的检 测 方 法 ， 并在 此 基 础 上 对 这 些 疲 劳检 测 方 法的 优 缺 点 进 行 了详 细 的 时 比 分 析 ， 最后 对 疲 劳驾 驶 检 测 技 术 的 发展 趋 势进 行 了展 望 。其 中 ， 接 触 性 、 非 车栽 性 和 实 时性研 究及 符 合 人 体 工程 学 和 心理 学 仍 然 是 疲 劳驾
驶 检 测 技 术 未来 发展 的 方 向 。 关键词 ： 驾驶 员 ， 劳 驾驶 ， 劳检 测 ， 息 融 合 疲 疲 信
Ａｂ ｔａｃ ｓｒ ｔ
．
Ｔｈｓ ｉ ｐａ ｒ ａｎ ｌｚ ｓ ｔ ｅ ｆｉ ｌ ｏ ｉｅ ａｉ ｅ ｄｅｔｃｔ ａ ｄ ｎｔ ｐｅ ａｙ ｅ ｈ ｄｉ ｃｕｔ ｆ ｄｒ ｒ ｆ ｔ ｖ ｇｕ ｅ ｉ ｏｎ．ｎ ｉ ｒ ｏｄｕ ｅｓ ｈｅ ｃｕ ｒ ｔ ｅｐ ｅ ｅｎａｔ ｃ ｔ ｒｅｎ ｒ ｒ ｓ ｔ ｉ ｄｅｔｃ ｉ ｅ ｈ ｄｓ ｖｅ ｅｔ ｏｎ ｍ ｔ ｏ ａｎ ｄ ｄｅｔｃ ｉ ｙ ｔ ｅｔ ｏｎ ｓ ｓｅｍｓ． ｅ Ｔｈ ｍｅ ｈ ｏ ｏ ｇ ｉ ｏｍ ｂｎ ｉ ｆ ａ ｉ ｓ ｍ ｏ ｔ ｉｇ ｔ ｏｄ ｆ ｒ ｒ ａｎｃ ｃ ｉａｔ ｏｎ ｏ ｖ ｒ ｏｕ ｎｉ ｎ ｍ ｅｈｏ ｕ ｉｇ ｎｏｒ ａ ｉ ｆｓｉ ｔｃｈ ｏｌ ｏｒ ｔ ｄｓ ｓｎ ｉｆ ｍ ｔ ｏｎ ｕ ｏｎ ｅ ｎ ｏ— ｇＹａｎ ｔｅ ， ｄ ｈ ｄｅ ｅｌ ｍ ｅ ｒ ｄ ｆ ｒｖ ｒ ａ ｉ ｅ ｔｔ ｓ ｍ ｏ ｔ ｉ ｉ ｖ ｏｐ ｎｔｔｅｎ ｏ ｄ ｉｅ ｆｔ ｇｕ ｓａ ｕ ｎｉ ｎｇ ｓ ｏｒ ｐｒ ｓ ｎｔｄ． ｎ ｈｅ ｂａｓ ｏ ｔ ｓ， ｅ ｄｖ ｎ ａ ｅ ｅ ｅ Ｏ ｔ ｅ ｆ ｈｉ ｔ ａ ａ ｔ ｇｅｓ ｎ ｄｉ・ ｈ ａ ｄ ｓ ａ ａｎａｇ ｏ ｔｅｓ ｔ ｃ ｉ ｍｅ ｈ ｄｓ ｒ ｃｏ ｐ ｅｄ．ｎ ｄｖ ｔ ｅｓ ｆ ｈ ｅ ｄｅ ｅ ｔ ｏｎ ｔ ｏ ａ ｅ ｍ ａｒ ａ ｄ ｆ ａｌ ｔ ｔｅｎ ｏ ｆｔｇ ｅ ｉ ｎ ｉ ｌ ｈｅ ｒ ｄ ｆ ａ ｉｕ ｄｒ ｇ ｄ ｅｃｉｎ ｓ ｏｓ ｅｃｅｄ．ｔ ｄｙ ｎ ｙ ｖｉ ｅｔ ｔ ｉ ｐｒ ｐ ｔ Ｓ ｕｉ ｅ ｄｅ ｅ ｔ ｉｆ ｍａ ｉ ｆｓｉ ｖ ａ ｇｕｅ ｄｒ ｎ ｆ ｇｕ ｔ ｃ ｉ ｎｏｒ ｔ ｖ ａｔ ｏｎ， ｏｎ ｕ ｏｎ
疲劳驾驶检测专利技术综述
疲劳驾驶检测专利技术综述作者：杨霜雪刘晓丹来源：《中国新通信》2016年第14期【摘要】疲劳驾驶是引发道路交通事故的主要原因之一，本文分析了国内关于疲劳驾驶检测技术的专利申请情况，对疲劳驾驶检测技术的主要技术分支进行了详细的分析，为我国疲劳驾驶检测技术的进一步发展提供了一些信息参考，对提高道路交通安全具有重要的意义。
【关键词】疲劳驾驶安全专利技术专利分析一、引言随着我国经济社会持续快速发展，我国机动车总数目急剧增加，截至2015年底，我国机动车保有量达2.79亿辆，在道路交通发展的同时，随之而来的是越来越严重的交通安全问题。
在全世界范围内，疲劳驾驶是造成交通事故的重要因素之一。
据世界卫生组织的报告显示，每年全球的道路交通事故中死亡人数近万，直接经济损失达上百亿美元。
根据交通事故统计年鉴，超过30%的公路交通事故和15-20%的铁路交通事故与驾驶疲劳有关，疲劳驾驶严重威胁着人们的生命和财产安全。
检测驾驶员是否为疲劳驾驶，并进行及时预警，将有效减少因疲劳驾驶而造成的道路交通事故，因此，研究疲劳驾驶检测技术，对改善道路交通安全具有重大意义。
二、疲劳驾驶检测技术专利情况分析本文在CNABS数据库中统计了国内疲劳驾驶检测技术的专利数据，截止2016年5月24日，检索后得851篇专利申请。
发展趋势如图1所示，可以分为两个阶段：1. 发展初期（1995年-2008年）：疲劳驾驶检测技术的申请量维持在较低的水平，最多不超过20件，这是疲劳驾驶检测技术的起步阶段，这说明人们已经开始意识疲劳驾驶的危害性，并逐步进行相关的研究。
2. 快速增长期（2009年-至今）：疲劳驾驶检测技术的年度申请量急剧上升，由2009年的44件上涨为2015年的184件（由于专利申请数据延迟公开，可能有些2015年的疲劳驾驶技术的专利申请还未公开），这是疲劳驾驶检测技术的快速发展阶段。
一方面，在2009年，国家出台了一系列促进汽车消费的政策，有效刺激了汽车消费市场，汽车产销呈高增长态势，2009年，汽车产销分别为1379.1万辆和1364.5万辆，同比增长48.3%和46.15%，伴随着汽车的增长，人们越来越注重驾驶安全问题，因此疲劳驾驶检测技术受到人们的广泛关注，相关公司、高校、研究所逐步加大对该技术的研发投入，使得该技术的专利申请数量急剧上升；另一方面，随着国家逐步加大对知识产权的重视程度，相关的专利申请鼓励政策相继出台，这进一步加大了相关机构的研发热情，使得该技术的专利申请量进一步增加。
基于面部多特征融合的疲劳驾驶检测综述
基于面部多特征融合的疲惫驾驶检测综述疲惫驾驶是一种普遍存在的交通安全隐患，严峻恐吓着驾驶人和车辆的安全。
为了缩减因疲惫驾驶造成的交通事故，科研人员们提出了多种基于面部多特征融合的疲惫驾驶检测方法。
本文对这些方法进行综述，以探究其优缺点和现有问题，并对将来的疲惫驾驶检测方法进行展望。
基于面部多特征融合的疲惫驾驶检测方法主要利用计算机视觉和模式识别技术，通过对驾驶人面部特征的提取和分析，来实现对疲惫状态的检测。
这些特征可以包括眼部特征、眼球运动特征、嘴部特征、头部姿态特征等。
眼部特征是最常用的疲惫指标之一。
因为疲惫驾驶常伴随着眼睛的闭合和涨红等现象，所以通过分析驾驶人的眼部特征可以得出一些有关疲惫状态的信息。
例如，通过监测眼睑的开合程度、眼睛的抖动频率和眼睛的运动轨迹等，可以裁定驾驶人是否处于疲惫状态。
眼球运动特征也被广泛应用于疲惫驾驶检测。
在疲惫驾驶的过程中，驾驶人的眼球运动会出现抖动和减慢等现象，通过分析驾驶人的眼球运动轨迹、眼球停留时间分布等特征，可以检测出驾驶人的疲惫状态。
嘴部和头部特征也是常被使用的疲惫驾驶指标。
疲惫驾驶时，驾驶人的嘴部容易出现拉伸和张开等现象，头部姿态也会发生改变。
通过对嘴部形态和头部角度的分析，可以有效地检测出疲惫驾驶的驾驶人。
在多特征融合的疲惫驾驶检测中，探究人员通常会将多个特征进行组合，以提高检测的准确性。
常用的方法包括特征加权融合、特征级联融合和决策级联融合等。
这些方法可以通过优化权重、构建分类器或者接受多级级联的方式，来实现疲惫驾驶的有效检测。
虽然基于面部多特征融合的疲惫驾驶检测方法已经取得了很大的进展，但依旧存在一些问题和挑战。
起首，特征提取和分类方法的选择对检测结果具有重要影响，如何选择最优的方法仍需要进一步探究。
其次，面部特征的提取受环境因素的干扰比较大，在复杂的光线和背景条件下，疲惫裁定的准确性可能会降低。
此外，不同人群之间的面部特征差异也可能导致检测误差。
疲劳驾驶状态检测专利技术综述
1 引言
近年来，随着交通运输业的快速发展，特别是城市汽 车保有量的快速增长，人们对汽车运输的依赖性越来越 大，汽车交通事故的发生率也逐年上升。因为长时间驾 驶会导致驾驶员疲劳，当驾驶员达到一定程度的疲劳时 会导致注意力不集中，造成严重的交通事故。通过对驾 驶员疲劳状态的检测，可以大大减少疲劳驾驶引起的交 通事故。特别是对于从事长途客运、货运等业务运营的 驾驶员，由于职业要求，经常有长期连续驾驶，驾驶时很 难保持高警戒状态，实时监测疲劳状态更为重要。
河南科技 · 知识产权
疲劳驾驶状态检测专利技术综述
陈巍罗容
（国家知识产权局专利局专利审查协作四川中心，四川 成都 610213）
摘要：为了研究疲劳驾驶状态检测的专利发展现状，本文以 CNABS 和 DWPI 数据库为基础，通过对疲
劳驾驶状态检测专利申请的检索、统计和分析，从中获取疲劳驾驶状态检测的申请量趋势、技术分布状况、
Review of Patent Technology for Fatigue Driving State Detection
CHEN Wei LUO Rong
(Patent Examination Cooperation Sichuan Center of the Patent Office,CNIPA,Chengdu Sichuan 610213)
2 申请量趋势
图 1 显示了中外各年的申请量，从图 1 可以看出，从
全球申请量来看，疲劳驾驶检测领域的专利申请首次出 现于 1973 年，之后 30 年内的申请量一直处于较低水平， 专利申请量累计仅达到 23 件，该时期为该领域专利技术 的萌芽期。自 2000 年开始，全球专利申请逐渐提升，在 2005 年以前都处于缓慢增长时期，但在 2008 年开始迎来 了爆发式增长，值得注意的是，自 2012 年以来，全球专利 申请量每年的申请数量首次突破 100 件，且自此之后，每 年均保持了较高的申请量，需要指出的是，图中 2018 年 的申请量明显下降，这可能与专利申请部分尚未公开有 关。就本领域国内外申请趋势可知，本领域的国外第一 件专利申请时间为 1973 年，明显早于国内 1993 年才提出 的第一件专利申请，但就申请量而言，国外自 2003 年至 2016 年一直处于较为平稳的趋势，总体申请量不大，而国 内虽然在该技术方面起步较晚，但在 2008 年开始迎来了
基于图像处理的驾驶员疲劳检测方法
[ 7 ] Q. Sheng, Z. Shi. Know ledge2Based Data Model and Query A lgebra for the Next2Generation W eb, Lecture Notes in Computer Science, Sp ringer, 2004, 3007: 489～499.
t =0
式中 g ( t)为灰度值为 t的像素个数 , G为非零像素个数 。最后
利用投影技术及头部的特点确定人脸上下和左右边界 。由于眼
3 实验结果
我们将在驾驶室中获得的两组视频图像进行了仿真试验 。 图像的大小是 352 ×288。
表 1列出了对两组视频图像的跟踪结果 , 可计算出跟踪的 平均正确率可达 98% 。
参考文献
[ 1 ] 黄桂柱 ,有色冶金实验研究方法 [M ] ,北京 :冶金工业出版社 , 1986. [ 2 ] 伍春香 、刘琳 ,“三层 BP网络隐层节点数确定方法的研究 [ J ] ”,《武
汉测绘科技大学学报 》, 1999, 24 (2) : 177～178. [ 3 ] 汪金良 、卢宏 、曾青云 ,“GA 2BP算法及其在冰铜品位神经网络模型
可得所有大于阈值的 ρ的最大值所对应的坐标即为最匹配
的位置 ,以此得到的眼睛图像作为下一帧图像的模板 。在追踪 的过程中 ,若得到的 ρ均小于阈值或两眼的行距过大则重新回 到眼睛的检测过程 。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
link
吕雪霜，女，硕士研究生，国家知识产权局专利局专利审查协作四川
中心，主要研究方向为发明专利申请实质审查。
图1 专利申请趋势
2013~2015年达到顶峰，分析其原因，一定程度与人脸定
位识别、人眼、嘴巴定位跟踪发展相关。
技术原创国分析
技术原创国在一定程度上表征了一个国家在该领域的技术储备和实力。
从图三可知，中国申请人提交的专利数量最
多，韩国次之、日本、美国的申请量紧随其后。
结合图4分析中国、日本、韩国和美国在三个技术分支
申请人分析
如图6所示，韩国现代、日本株式会社电装、丰田在本领域申请量前三位，国内申请人清华大学苏州汽车研究院、南京理工大学、奇瑞汽车、上海交通大学挤入前10。
除图6列出的10位重要申请人之外，在本领域中汽车制造类公司，如尼桑、三菱、福特、长安、铃木、吉利、比亚迪等公司均
图2 各分支专利申请趋势
图3 技术原创国申请量分布
图4 重点技术原创国各技术分支申请量比较
图5 国内申请量前10位的地域分布
图6 国内外申请量前10位的申请人
图7 重点技术申请人各技术分支申请量比较
图7可知，韩国现代主要集中在人脸图像分析，以及图像分析结合车辆减速特征、偏转角等的综合判断；株式会社电装主要集中在人脸眉毛、眼睛定位算法的演算以及横摆角速度、行车轨迹；而日本丰田、苏州汽车研究院在人脸、人眼特征的基础上，结合生理特征如心率、呼吸等，结合车辆特征如加速度、速度、偏转角等方面均有研究，而韩国三星主要集中在图像分析：如人眼分析、头部转动角度等方向。
在2004~2005年，韩国LG和韩国三星分别提出了基于移。