一种基于多模态识别技术的司机疲劳状态识别方法与流程
技术特征：
1.一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，利用眼睛定位图像处理技术，从捕捉到的面部图像中提取司机的眼睑运动特征，具体的步骤如下：
3.根据权利要求1所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，对提取的眼睑运动特征进行深入分析，其中，提取的眼睑运动特征包括眼睑从完全睁开到完全闭合再到完全睁开的速度和眼睛睁开的最大角度与最小角度之间的变化幅度，在检测窗口下，对司机眼睑从完全睁开到完全闭合再到完全睁开的速度和眼睛睁开的最大角度与最小角度之间的变化幅度进行深入分析后，分别生成眼睑开合速度指数和眼睛睁开角度变化指数，将眼睑开合速度指数和眼睛睁开角度变化指数输入至预先训练好的机器学习模型中，基于模型生成疲劳系数，通过疲劳系数对司机的潜在疲劳状态进行初步识别。
4.根据权利要求3所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，在检测窗口下，将通过机器学习模型生成的疲劳系数与预先设定的疲劳系数参考阈值进行比对分析，对司机的潜在疲劳状态进行初步识别，具体的步骤如下：
5.根据权利要求4所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，初步识别出潜在疲劳状态后，即在检测窗口下司机的驾驶状态被划分为疲劳驾驶时，自动调整摄像头的目标帧率，具体的步骤如下：
6.根据权利要求4所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，提高摄像头帧率后，持续采集司机的眼睑运动特征数据，并计算每个时间窗口的疲劳系数；
7.根据权利要求6所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，将标准偏差与预先设定的标准偏差进行比对，若标准偏差大于预先设定的标准偏差，则si为短暂型疲劳簇，若标准偏差小于等于预先设定的标准偏差，则si为持续性疲劳簇；
8.根据权利要求3所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，在检测窗口下，对司机眼睑从完全睁开到完全闭合再到完全睁开的速度进行深入分析后，生成眼睑开合速度指数的具体步骤如下：
9.根据权利要求8所述的一种基于多模态识别技术的司机疲劳状态识别方法，其特征在于，在检测窗口下，对司机眼睛睁开的最大角度与最小角度之间的变化幅度进行深入分析后，生成眼睛睁开角度变化指数的具体步骤如下：
技术总结
本发明公开了一种基于多模态识别技术的司机疲劳状态识别方法，涉及司机疲劳状态识别技术领域，包括以下步骤：设置初始低频帧率，通过摄像头持续捕捉司机的面部图像，从而获得司机面部的连续图像数据，为后续的眼睑运动特征提取和分析提供基础；利用图像处理技术，从捕捉到的面部图像中提取司机的眼睑运动特征，对提取的眼睑运动特征进行深入分析。本发明通过眼睑运动特征分析和机器学习生成疲劳系数，在低帧率下有效监测司机疲劳状态，识别出潜在疲劳后，系统自动提高帧率，增强数据精度和检测灵敏度，随后，综合分析详细数据，分类疲劳状态并对持续型疲劳发出预警，通知司机休息，提升预警准确性和整体交通安全。
技术研发人员：马风奎,蒋学辉,韩正平,沙冠宇,祁王栋,周宜婷,沈畅
受保护的技术使用者：江苏驭道数据科技有限公司
技术研发日：
技术公布日：2024/11/28
技术研发人员：马风奎,蒋学辉,韩正平,沙冠宇,祁王栋,周宜婷,沈畅
技术所有人：江苏驭道数据科技有限公司
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除