買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京理工大學(xué)申請(qǐng)的專利基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113989887B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202111235915.7，技術(shù)領(lǐng)域涉及：G06V40/16；該發(fā)明授權(quán)基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法是由柴闊;陳文達(dá);車瑞行;狄長安設(shè)計(jì)研發(fā)完成，并于2021-10-22向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法，在各種疲勞表征中挑選眼部，嘴部，頭部輪廓作為檢測組合，基于檢測組合對(duì)設(shè)備操作人員進(jìn)行疲勞判斷。采用特征級(jí)聯(lián)分類器檢測人眼，并用粒子濾波算法跟蹤眼部位置；使用灰度處理檢測嘴部并修改臨界點(diǎn)提高檢測精度，再通過特征點(diǎn)相對(duì)位置判斷頭部狀態(tài)，通過選擇上述三個(gè)方法組合成總檢測方法來進(jìn)行設(shè)備操作人員在不同狀態(tài)下的綜合檢測。檢測后獲取參數(shù)并建立設(shè)備操作人員疲勞檢測模型；使用支持向量機(jī)對(duì)模型進(jìn)行機(jī)器學(xué)習(xí)，實(shí)時(shí)分析出操作者此時(shí)是否疲勞，很好的滿足了不同狀態(tài)下對(duì)表征參數(shù)分析得出疲勞程度的應(yīng)用需求。

本發(fā)明授權(quán)基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法在權(quán)利要求書中公布了：1.一種基于視覺特征信息融合的設(shè)備操作人員疲勞狀態(tài)檢測方法，其特征在于，所述方法包括以下步驟： 步驟1、在各種疲勞表征中挑選眼部、嘴部、頭部輪廓作為檢測組合，分別采集操作人員在清醒和疲勞狀態(tài)下具有上述檢測組合的視頻； 步驟2、基于Haar-Like特征級(jí)聯(lián)分類器的檢測方法對(duì)上述視頻進(jìn)行人眼檢測，基于均值偏移理論的粒子濾波進(jìn)行眼睛跟蹤，粒子濾波重采樣之后，拋棄權(quán)值小的粒子，保留權(quán)值大的粒子，由權(quán)值大的粒子衍生出新的粒子，并且衍生出的所有新粒子權(quán)值相同，然后利用均值偏移理論對(duì)每個(gè)新產(chǎn)生的粒子進(jìn)行迭代；迭代之后更新每個(gè)粒子的位置，使每個(gè)粒子都收斂到目標(biāo)附近，不間斷跟蹤用于判斷眼睛實(shí)時(shí)位置，從而通過已有的眼瞼閉合參數(shù)，再利用PERCLOS測量原理以獲取到實(shí)時(shí)的眼部眨眼參數(shù)；同時(shí)轉(zhuǎn)入步驟3； 步驟3、通過ASM方法確定嘴部區(qū)域的位置，將嘴部特征點(diǎn)內(nèi)的區(qū)域作為輸入圖像，并將輸入的RGB圖像轉(zhuǎn)換為灰度圖像；對(duì)灰度圖像進(jìn)行圖像增強(qiáng)處理，調(diào)節(jié)其灰度值直到嘴部區(qū)域與背景之間的灰度值強(qiáng)度超過設(shè)定閾值；對(duì)嘴部區(qū)域的圖像進(jìn)行二值化，通過形態(tài)學(xué)重建去除噪聲并填充嘴部空白區(qū)域，提取嘴部區(qū)域的高度值和嘴部附近的黑白像素比值，對(duì)開口程度進(jìn)行評(píng)估，評(píng)估結(jié)果與標(biāo)準(zhǔn)打哈欠臨界點(diǎn)進(jìn)行對(duì)比，針對(duì)操作設(shè)備過程中操作人員的疲勞程度會(huì)逐漸增加這一現(xiàn)象，決定將固定的臨界點(diǎn)改為兩種針對(duì)性的臨界點(diǎn)，對(duì)比是否超過臨界點(diǎn)獲取此時(shí)是否打哈欠的信息，將當(dāng)前狀態(tài)是否打哈欠作為嘴部參數(shù)；轉(zhuǎn)入步驟4； 步驟4、基于SIFT特征點(diǎn)提取人臉特征參數(shù)，包括雙眼和嘴巴的三角形特征區(qū)域中雙眼和嘴巴的相對(duì)位置參數(shù)，將三角形特征區(qū)域作為感興趣區(qū)域ROIs，基于SIFT描述子的匹配算法提取感興趣區(qū)域ROIs內(nèi)眼部、嘴部的SIFT特征點(diǎn)；首先確定SIFT特征點(diǎn)描述子的梯度主方向，具體為SIFT特征點(diǎn)鄰域像素梯度直方圖的峰值位置；然后將4×4×8共128維矢量作為SIFT特征點(diǎn)的描述子，通過特征點(diǎn)匹配從待處理圖像中提取眼部、嘴部SIFT特征點(diǎn)集；通過特征點(diǎn)匹配得到模板圖像ROIs的SIFT特征點(diǎn)描述子與感興趣區(qū)域ROIs的特征點(diǎn)描述子之間的歐氏距離；然后，求取最近的歐氏距離p值和次近的歐氏距離值的比值，將上述比值與閾值進(jìn)行比較，若p小于該閾值，則感興趣區(qū)域ROIs的特征點(diǎn)即為SIFT特征點(diǎn)，通過獲取到的特征點(diǎn)判斷出頭部擺動(dòng)角度作為頭部參數(shù)；轉(zhuǎn)入步驟5； 步驟5、針對(duì)獲取到的眨眼參數(shù)、嘴部參數(shù)以及頭部參數(shù)，進(jìn)行同等權(quán)重的組合，作為綜合檢測表征參數(shù)集，通過遺傳算法和粒子群算法對(duì)綜合表征參數(shù)集進(jìn)行混合優(yōu)化，基于支持向量機(jī)，建立裝備操作人員疲勞檢測模型； 步驟6、利用裝備操作人員疲勞檢測模型，判斷待測包含頭部信息的視頻中的操作人員狀態(tài)為清醒或疲勞。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人南京理工大學(xué)，其通訊地址為：210094 江蘇省南京市玄武區(qū)孝陵衛(wèi)200號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。