(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 202210819915.X (22)申请日 2022.07.11 (71)申请人 海南数奕科技有限公司 地址 570228 海南省海口市美兰区人民大 道58号海南大学思源学堂二楼创业孵 化基地 申请人 海南大学三亚研究院 (72)发明人 吕生毅　王晖　倪思睿　李江鹏　 刘博艺　林世鹏　王悠冉　徐翊宸　 章正佳　 (51)Int.Cl. G06V 20/59(2022.01) G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/80(2022.01) G06V 40/18(2022.01) (54)发明名称 一种针对受遮挡人脸的疲劳驾驶的检测方 法及系统 (57)摘要 本发明提供一种针对受遮挡人脸的疲劳驾 驶的检测方法及系统， 所述方法包括： 对预设的 监控视频中的视频流进行单元划分后， 从划分后 的单元视频流中获取被遮挡人脸的坐标信息； 根 据所述被遮挡人脸的坐标信息， 确定眼部的特征 点， 以及根据所述眼部的特征点获取眼睛纵横比 信息； 根据获取到的眼睛纵横比， 判断遮挡人脸 的眼睛是否闭合； 若为是， 则根据眼睛的闭合状 态， 获得疲劳度和眨眼频率； 基于所述疲劳度和 所述眨眼频率， 进行基于高斯分布的融合转换处 理， 生成疲劳驾驶状态评判结果。 本发明可以使 识别遮挡人脸 疲劳驾驶 准确度高、 误判率低。 权利要求书3页 说明书8页 附图5页 CN 115205831 A 2022.10.18 CN 115205831 A 1.一种针对受遮挡人脸的疲劳驾驶的检测方法， 其特 征在于， 所述方法包括： 对预设的监控视频中的视频流进行单元划分后， 从划分后的单元视频流中获取被遮挡 人脸的坐标信息； 根据所述被遮挡人脸的坐标信息， 确定 眼部的特征点， 以及根据所述眼部的特征点获 取眼睛纵横比信息； 根据获取到的眼睛纵横比， 判断遮挡人脸的眼睛是否闭合； 若为是， 则根据眼睛的闭合 状态， 获得疲劳度和眨眼频率； 基于所述疲劳度和所述 眨眼频率， 进行基于高斯分布的融合转换处理， 生成疲劳驾驶 状态评判结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对预设的监控视频中的视频流进行单 元划分后， 从划分后的单 元视频流中获取被遮挡人脸的坐标信息的步骤， 包括： 基于监控视频中的视频流， 将所述监控视频中的视频流进行单元划分， 生成单元视频， 以及从所述单 元视频流中获取被遮挡人脸的初步信息； 对所述初步信息进行数据筛查处理， 生成重组信息， 从所述重组信息中获取人脸的有 效信息； 将所述有效信息中的特 征点进行坐标转换， 获取被遮挡人脸的坐标信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述根据获取到的眼睛纵横比， 确定遮挡 人脸的眼睛是否闭合的步骤， 包括： 若眼睛纵横比小于 0.7， 则确定遮挡人脸的眼睛为闭 眼状态。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述疲劳度和所述 眨眼频率， 进 行基于高斯分布的融合 转换处理， 生成疲劳驾驶的状态评判结果的步骤， 包括： 对所述疲劳度和所述眨眼频率分别按区间进行赋分处理， 生成所述疲劳度的第 一赋分 和所述眨眼频率的第二赋分； 将所述疲劳度映射至高斯分布， 确定所述 疲劳度对应的高斯分布的概 率； 基于所述高斯分布的概 率， 生成所述第一赋分的第一权值和第二赋分的第二权值； 基于所述高斯分布的概率， 对所述第 一赋分、 所述第 二赋分、 所述第 一权值和所述第二 权值进行加权式的转换， 计算高斯分布的融合得分， 以及根据所述融合得分生成疲劳状态 的评判结果。 5.根据权利要求4所述的方法， 其特征在于， 所述将所述疲劳度映射至 高斯分布获取高 斯分布的概率， 基于所述高斯分布的概率生成所述第一赋分的第一权值和 第二赋分的第二 权值的步骤， 包括： 将所述疲劳度的值映射至高斯分布， 获得高斯分布的概 率p； 若所述疲劳度的值小于 0.18， 则将(1 ‑p)作为所述第一权值， 将p作为所述第二权值； 若所述疲劳度的值大于 0.18， 则将p作为所述第一权值， 将(1 ‑p)作为所述第二权值； 若所述疲劳度的值 等于0.18， 则所述第一权值和所述第二权值均为0.5 。 6.一种受遮挡人脸的疲劳驾驶检测系统， 其特 征在于， 所述系统包括： 划分模块， 用于对预设的监控视频中的视频流进行单元划分后， 从划分后的单元视频 流中获取被遮挡人脸的坐标信息； 捕捉模块， 用于接收所述划分模块输出的被遮挡人脸的坐标信息， 并根据所述被遮挡权　利　要　求　书 1/3 页 2 CN 115205831 A 2人脸的坐标信息， 确定眼部的特 征点， 以及根据所述眼部的特 征点获取眼睛纵横比信息； 计算模块， 用于接收所述捕捉模块输出的眼睛纵横比信息， 并根据获取到的眼睛纵横 比， 判断遮挡人脸的眼睛是否闭合； 若为是， 则根据眼睛的闭合状态， 获得疲劳度和眨眼频 率； 生成模块， 用于接收所述计算模块输出的疲劳度和眨眼频率， 并基于所述疲劳度和所 述眨眼频率， 进行基于高斯分布的融合 转换处理， 生成疲劳驾驶状态评判结果。 7.根据权利要求6所述的系统， 其特 征在于， 所述划分模块， 具体包括第一划分子模块， 第二划分子模块和第三划分模块子模块； 所述第一划分子模块， 用于基于监控视频中的视频流， 将所述监控视频中的视频流进 行单元划分， 生成单 元视频， 以及从所述单 元视频流中获取被遮挡人脸的初步信息； 所述第二划分子模块， 用于接收所述第一划分子模块输出的被遮挡人脸的初步信息， 并对所述初步信息进行数据筛查处理， 生成重组信息， 从所述重组信息中获取人脸的有效 信息； 所述第三划分子模块， 用于接收所述第二划分子模块输出的人脸的有效信息， 并将所 述有效信息中的特 征点进行坐标转换， 获取被遮挡人脸的坐标信息 。 8.根据权利要求6所述的系统， 其特 征在于， 所述计算模块中用于根据所述被遮挡人脸的坐标信息， 确定 眼部的特征点， 具体包括 用于若眼睛纵横比小于 0.7， 则确定遮挡人脸的眼睛为闭 眼状态。 9.根据权利要求6所述的系统， 其特 征在于， 所述生成模块， 具体包括第 一生成子模块， 第 二生成子模块， 第三生成子模块和第四生 成子模块； 所述第一生成子模块， 用于对所述疲劳度和所述 眨眼频率分别按区间进行赋分处理， 生成所述 疲劳度的第一赋分和所述眨眼频率的第二赋分； 所述第二生成子模块， 用于接收所述第 一生成子模块输出的所述疲劳度的第 一赋分和 所述眨眼频率的第二赋分， 并将所述疲劳度映射至高斯分布， 确定所述疲劳度对应的高斯 分布的概 率； 所述第三生成子模块， 用于接收所述第二生成子模块输出的所述疲劳度的第一赋分， 所述眨眼频率的第二赋分和所述疲劳度对应的高斯分布的概率， 基于所述高斯分布的概 率， 生成所述第一赋分的第一权值和第二赋分的第二权值； 所述第四生成子模块， 用于接收所述第三生成子模块输出的所述疲劳度的第一赋分、 所述眨眼频率的第二赋分、 所述第一赋分的第一权值和第二赋分的第二权值， 并基于所述 高斯分布的概率， 对 所述第一赋分、 所述第二赋分、 所述第一权值和所述第二权值进 行加权 式的转换， 计算高斯分布的融合得分， 以及根据所述融合得分生成疲劳状态的评判结果。 10.根据权利要求9所述的系统， 其特 征在于， 所述生成模块中用于将所述疲劳度映射至 高斯分布获取高斯分布的概率； 基于所述高 斯分布的概率生成所述第一赋分的第一权值和 第二赋分的第二权值， 具体包括将所述疲劳 度的值映射至高斯分布， 获得高斯分布的概率p； 若所述疲劳度的值小于0.18， 则将(1 ‑p)作 为所述第一权值， 将p作为所述第二权值； 若 所述疲劳度的值大于0.18， 则将p作为所述第一 权值， 将(1 ‑p)作为所述第二权值； 若所述疲劳度的值等于0.18， 则 所述第一权值和所述第权　利　要　求　书 2/3 页 3 CN 115205831 A 3