(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210651936.5 (22)申请日 2022.06.10 (65)同一申请的已公布的文献号 申请公布号 CN 114758403 A (43)申请公布日 2022.07.15 (73)专利权人 武汉憬然智能技 术有限公司 地址 430100 湖北省武汉市武汉经济技 术 开发区2MA地块办公及生产用房1楼 (东方工业园5号楼) （孵化器 HCY-211） (72)发明人 熊滔　 (74)专利代理 机构 北京集智东方知识产权代理 有限公司 1 1578 专利代理师 吴倩　龚建蓉 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/59(2022.01) G06V 10/20(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) B60W 40/08(2012.01) (56)对比文件 CN 114241452 A,202 2.03.25 US 2013010096 A1,2013.01.10 US 2019279009 A1,2019.09.12 CN 102542 257 A,2012.07.04 P.Ratnaka等.A Real Time I ntelligent Driver Fatigue Alarm System Based On Video Sequences. 《I nternati onal Journal of Engineering Researc h and Ap plications》 .2016,第5 3-59页. 王辉等.在线字典学习形变模型的疲劳状态 识别方法. 《哈尔滨工程大 学学报》 .2017,(第0 6 期),第89 2-897页. (续) 审查员 贾云杰 (54)发明名称 疲劳驾驶智能分析方法及装置 (57)摘要 本发明涉及智能决策领域， 一种疲劳驾驶智 能分析方法及装置， 包括： 接收驾驶启动指令， 以 开启预先安装在驾驶舱内的监控设备； 利用监控 设备实时捕捉驾驶者的驾驶状态， 得到驾驶图 片； 从驾驶图片中抠取驾驶者的原始人脸图片后 拆分为多个人脸像素块； 将多个人脸像素块投射 到预构建的坐标系中， 得到多个人脸向量块； 对 多个人脸向量块执行直方映射， 得到人脸量化直 方图； 计算人脸量化直方图的空间共生矩阵后转 变为马尔科夫矩阵， 通过马尔科夫矩阵优化人脸 像素块， 得到优化人脸图片； 将优化人脸图片输 入至预先训练完成的疲劳驾驶智能诊断模型， 得 到驾驶者的驾驶疲劳等级。 本发 明可以实现驾驶 者的驾驶状态智能分析， 提高驾驶者的疲劳状态分析准确性。 [转续页] 权利要求书4页 说明书13页 附图5页 CN 114758403 B 2022.09.13 CN 114758403 B (56)对比文件 潘剑凯 等.基 于眼部自商图-梯度图共生矩阵的疲劳驾驶检测. 《中国图象图形 学》 .2021,第 154-164页.2/2 页 2[接上页] CN 114758403 B1.一种疲劳驾驶智能分析 方法， 其特 征在于， 所述方法包括： 接收驾驶启动指令， 根据所述驾驶启动指令开启预 先安装在驾驶 舱内的监控设备； 利用所述 监控设备实时捕捉驾驶 者的驾驶状态， 得到驾驶图片； 从所述驾驶图片中抠取驾驶者的原始人脸图片， 对所述原始人脸图片拆分为多个人脸 像素块； 将多个所述人脸像素块投射到预构建的坐标系中， 得到多个人脸向量 块； 对多个所述人脸向量 块执行直方映射， 得到人脸 量化直方图； 计算所述人脸 量化直方图的空间共生矩阵， 其中计算方法如下： 其中， 表示所述空间共生矩阵， 表示所述空间共生矩阵的矩阵维度， 表示所述 空间共生矩阵的每个矩阵元素， 和 表示所述人脸图片第 及 个像素， 和 表 示所述人脸量化直方图的第 及第 组， 表示所述空间共生矩阵的每个矩阵元素 和 在所述坐标系中的切比雪夫距离； 将所述空间共生矩阵转变为马尔科夫矩阵， 通过所述马尔科夫矩阵优化所述人脸像素 块， 得到优化人脸图片； 将所述优化人脸图片输入至预先训练完成的疲劳驾驶智能诊断模型， 得到驾驶者的驾 驶疲劳等级， 其中所述 疲劳驾驶智能诊断模型由卷积神经网络构建。 2.如权利要求1所述的疲劳驾驶智能分析方法， 其特征在于， 所述对所述原始人脸图片 拆分为多个人脸像素块， 包括： 使用滑动平均滤波器对所述原 始人脸图片进行低通滤波预处 理， 得到初级人脸图片； 基于预先构建的滑动窗口， 对所述初级人脸图片执行像素拆分， 得到多个人脸像素块， 其中人脸像素块的个数为： 其中 为所述人脸像素块的个数， 为所述初级人脸图片的图片规格。 3.如权利要求1所述的疲劳驾驶智能分析方法， 其特征在于， 所述对多个所述人脸向量 块执行直方映射， 得到人脸 量化直方图， 包括： 接收预先构建的向量直方块集， 其中所述向量直方块集共有120个向量直方块， 每个向 量直方块均由列长为16的单维矢量组成； 将每个人脸向量 块按照首尾连接的方式转 为长度为16的单维向量； 依次计算每个1单维向量与所述向量直方块集中每个向量直方块的曼哈顿距离， 选择 出曼哈顿距离最小的向量 直方块确定为人脸 量化直方块； 将每个单维向量所对应的人脸 量化直方块分组， 构建得到所述人脸 量化直方图。 4.如权利要求1所述的疲劳驾驶智能分析方法， 其特征在于， 所述将所述空间共生矩阵权　利　要　求　书 1/4 页 2 CN 114758403 B 3