公开(公告)号：CN113807170B

公开(公告)日：2024-02-09

申请号：CN202110909244.1

申请日：2021-08-09

Applicant: 杭州电子科技大学

Inventor： 李立凯 ,  冯建文 ,  张建辉

IPC: G06V20/59 ,  G06V40/70 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明公布了一种基于多源信息融合和标签传播的疲劳检测方法，现有的疲劳检测方法有的需要使用侵入式传感器获取信息，而这会影响驾驶员的正常驾驶；有的方法仅仅使用单一特征无法全面性反映驾驶过程中的状态变化。本发明以驾驶视频作为输入，通过提取人脸特征点以及头部运动特征，得到疲劳特征节点；之后计算节点的亲和距离并构建特征图；并采用半监督学习的方式，选取特征图中的节点进行标签初始化；通过标签传播的方式，选取隶属度最大的标签作为该节点的疲劳等级，直到达到最大传播次数。本发明能够建立更加综合和稳定的模型，从而高效地检测驾驶员的疲劳状态，且增强检测的鲁棒性和检测效率。

公开(公告)号：CN113807170A

公开(公告)日：2021-12-17

申请号：CN202110909244.1

申请日：2021-08-09

Applicant: 杭州电子科技大学

Inventor： 李立凯 ,  冯建文 ,  张建辉

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公布了一种基于多源信息融合和标签传播的疲劳检测方法，现有的疲劳检测方法有的需要使用侵入式传感器获取信息，而这会影响驾驶员的正常驾驶；有的方法仅仅使用单一特征无法全面性反映驾驶过程中的状态变化。本发明以驾驶视频作为输入，通过提取人脸特征点以及头部运动特征，得到疲劳特征节点；之后计算节点的亲和距离并构建特征图；并采用半监督学习的方式，选取特征图中的节点进行标签初始化；通过标签传播的方式，选取隶属度最大的标签作为该节点的疲劳等级，直到达到最大传播次数。本发明能够建立更加综合和稳定的模型，从而高效地检测驾驶员的疲劳状态，且增强检测的鲁棒性和检测效率。