一种司机疲劳驾驶智能检测识别系统专利检索-算法电脑编程专利检索查询-专利查询网

一种司机疲劳驾驶智能检测识别系统

阅读：196发布：2021-06-06

专利汇可以提供一种司机疲劳驾驶智能检测识别系统专利检索，专利查询，专利分析的服务。并且本发明公开了一种司机疲劳驾驶智能检测识别系统，涉及司机疲劳检测技术领域，包括数据处理模块、图像采集模块、数据存储模块；所述数据处理模块包括第一CPU、第二CPU、第一Avalon总线模块、第二Avalon总线模块，所述第一CPU与第一Avalon总线模块通过信息通道连接，所述第二CPU与第二Avalon总线模块通过信息通道连接，所述第一Avalon总线模块与第二Avalon总线模块之间通过邮箱进行相互通信，所述第二Avalon总线模块上与人脸检测模块相互通信连接；所述图像采集模块包括摄像头、采集控制器；所述数据存储模块包括SD卡、SRAM。本发明提高了系统的整体性能，加快任务的执行速度。，下面是一种司机疲劳驾驶智能检测识别系统专利的具体信息内容。

权利要求

1.一种司机疲劳驾驶智能检测识别系统，其特征在于：包括数据处理模块(1)、图像采集模块(2)、数据存储模块(3)；所述数据处理模块(1)包括第一CPU (11)、第二CPU (12)、第一Avalon总线模块(13)、第二Avalon总线模块(14)，所述第一CPU (11)与第一Avalon总线模块(13)通过信息通道连接，所述第二CPU (12)与第二Avalon总线模块(14)通过信息通道连接，所述第一Avalon总线模块(13)与第二Avalon总线模块(14)之间通过邮箱进行相互通信，所述第二Avalon总线模块(14)上与人脸检测模块(15)相互通信连接；
所述图像采集模块(2)包括摄像头(21)、采集控制器(22)，所述摄像头(21)与采集控制器(22)通过数据线相连接，所述采集控制器(22)与第一Avalon总线模块(13)上的端口通信连接；
所述数据存储模块(3)包括SD卡(31)、SRAM (32)，所述SD卡(31)通过接口与第一Avalon总线模块(13)通信连接，所述SRAM (32)通过三态桥与第一Avalon总线模块(13)通信连接。
2.根据权利要求1所述的一种司机疲劳驾驶智能检测识别系统，其特征在于：所述SRAM (32)中设有两块地址固定的数据存储区A与数据存储区B，所述第一CPU (11)采集一帧图像数据并存储在数据存储区A后便产生中断信号通知邮箱，第二CPU (12)开始读取数据存储区A的数据，数据送至第二CPU (12)进行人脸检测与定位；当第二CPU (12)在读取数据存储区A里的数据的时候图像采集模块继续传来数据，这时第一CPU (11)将接收的数据存储到数据存储区B中，当数据存储区B中写满后第二CPU (12)开始读取数据存储区A，第一CPU (11)又开始写数据存储区A。
3.根据权利要求1所述的一种司机疲劳驾驶智能检测识别系统，其特征在于：所述摄像头(21)为CMOS摄像头。
4.根据权利要求1所述的一种司机疲劳驾驶智能检测识别系统，其特征在于：所述人脸检测模块(15)通过以下步骤进行图像处理：图像数据预处理、人脸检测、眼睛检测与跟踪、状态判断；
其中图像数据预处理包括噪声消除与图像增强处理，具体的采用中值滤波与梯度锐化实现图像的预处理；
人脸检测采用AdaBoost检测算法实现人脸的检测；
眼睛检测与跟踪，采用Hough变换找眼球和眼睑、累积差分帧相结合的方法来检测眼睛，通过眼睛跟踪得到相应的眼睛位置;
状态判断通过提取相关参数后用眼睑的宽度来判断眼睛的开闭。

说明书全文

一种司机疲劳驾驶智能检测识别系统

[0001] 技术领域：本发明涉及司机疲劳检测技术领域，尤其涉及一种司机疲劳驾驶智能检测识别系统。

[0002] 背景技术：驾驶疲劳是指驾驶员由于睡眠不足或长时间持续驾驶造成的反应能力下降，这种下降表现在驾驶员困倦、打磕睡、驾驶操作失误或完全丧失驾驶能力。对交通事故原因的调查研究发现85%的事故与驾驶员有关，车辆和环境因素只占15%。驾驶员在事故发生前一瞬间的行为和故障直接导致了事故的发生，这些行为包括知觉的延迟、对环境的决策错误、对危险情况的处理不当等。在所有的驾驶员错误中，最常见的是知觉延迟和决策错误，这些错误会产生注意力不集中、反映迟钝、操作不当等，产生这些错误的根本原因就是驾驶疲劳。

[0003] 为了减少减轻司机的精神压力并对疲劳及时提示预警，开展疲劳检测的工作，提醒驾驶者，很大程度上就能预防和减少交通事故的发生，使得公民的出行更加安全。疲劳驾驶检测是预警中关键步骤，现有的疲劳检测系统检测速度慢，不能及时采集数据并对数据进行处理，从而不能及时进行预警。

[0004] 发明内容：本发明目的是提供一种司机疲劳驾驶智能检测识别系统，解决现有疲劳检测系统检测速度慢，不能及时采集数据并对数据进行及时处理的问题。

[0005] 为了实现上述目的，本发明采用以下技术方案予以实现：一种司机疲劳驾驶智能检测识别系统，包括数据处理模块、图像采集模块、数据存储模块；所述数据处理模块包括第一CPU、第二CPU、第一Avalon总线模块、第二Avalon总线模块，所述第一CPU与第一Avalon总线模块通过信息通道连接，所述第二CPU与第二Avalon总线模块通过信息通道连接，所述第一Avalon总线模块与第二Avalon总线模块之间通过邮箱进行相互通信，所述第二Avalon总线模块上与人脸检测模块相互通信连接；
所述图像采集模块包括摄像头、采集控制器，所述摄像头与采集控制器通过数据线相连接，所述采集控制器与第一Avalon总线模块上的端口通信连接；
所述数据存储模块包括SD卡、SRAM，所述SD卡通过接口与第一Avalon总线模块通信连接，所述SRAM通过三态桥与第一Avalon总线模块通信连接。

[0006] 进一步的，所述SRAM中设有两块地址固定的数据存储区A与数据存储区B，所述第一CPU采集一帧图像数据并存储在数据存储区A后便产生中断信号通知邮箱，第二CPU开始读取数据存储区A的数据，数据送至第二CPU进行人脸检测与定位；当第二CPU 在读取数据存储区A里的数据的时候图像采集模块继续传来数据，这时第一CPU将接收的数据存储到数据存储区B中，当数据存储区B中写满后第二CPU开始读取数据存储区A，第一CPU又开始写数据存储区A。进一步的，所述摄像头为CMOS摄像头。

[0007] 进一步的，所述人脸检测模块通过以下步骤进行图像处理：图像数据预处理、人脸检测、眼睛检测与跟踪、状态判断；其中图像数据预处理包括噪声消除与图像增强处理，具体的采用中值滤波与梯度锐化实现图像的预处理；
人脸检测采用AdaBoost检测算法实现人脸的检测；
眼睛检测与跟踪，采用Hough变换找眼球和眼睑、累积差分帧相结合的方法来检测眼睛，通过眼睛跟踪得到相应的眼睛位置;
状态判断通过提取相关参数后用眼睑的宽度来判断眼睛的开闭。

[0008] 本发明提供的一种司机疲劳驾驶智能检测识别系统，具有以下有益效果：在系统中配置两个CPU，其中第二CPU 来专门完成图像处理任务，以此提高系统的整体性能，加快任务的执行速度。

[0009] 附图说明：下面结合附图对本发明的具体实施方式作进一步详细的描述：
图1为本发明提供的一种司机疲劳驾驶智能检测识别系统的示意图。

[0010] 图中标号说明：1-数据处理模块，2-图像采集模块，3-数据存储模块，11-第一CPU，12-第二CPU，13-第一Avalon总线模块，14-第二Avalon总线模块，15-人脸检测模块，21-摄像头，22-采集控制器，31-SD卡，32-SRAM。

[0011] 具体实施方式：应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

[0012] 下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚-完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0013] 如图1所示，一种司机疲劳驾驶智能检测识别系统，包括数据处理模块1、图像采集模块2、数据存储模块3；所述数据处理模块1包括第一CPU 11、第二CPU 12、第一Avalon总线模块13、第二Avalon总线模块14，所述第一CPU 11与第一Avalon总线模块13通过信息通道连接，所述第二CPU 12与第二Avalon总线模块14通过信息通道连接，所述第一Avalon总线模块13与第二Avalon总线模块14之间通过邮箱进行相互通信，所述第二Avalon总线模块14上与人脸检测模块15相互通信连接；
所述图像采集模块2包括摄像头21、采集控制器22，所述摄像头21与采集控制器22通过数据线相连接，所述采集控制器22与第一Avalon总线模块13上的端口通信连接；
所述数据存储模块3包括SD卡31、SRAM 32，所述SD卡31通过接口与第一Avalon总线模块13通信连接，所述SRAM 32通过三态桥与第一Avalon总线模块13通信连接。

[0014] 采用上述技术方案，在系统中配置两个CPU，其中第二CPU 12来专门完成图像处理任务，两个 CPU 同在一块SRAM 32内存中运行，由 Avalon总线模块提供仲裁机制实现双CPU对SRAM 32的分时访问，以此提高系统的整体性能，加快任务的执行速度。

[0015] 具体的，所述SRAM 32中设有两块地址固定的数据存储区A与数据存储区B，所述第一CPU 11采集一帧图像数据并存储在数据存储区A后便产生中断信号通知邮箱，第二CPU 12开始读取数据存储区A的数据，数据送至第二CPU 12进行人脸检测与定位；当第二CPU 12在读取数据存储区A里的数据的时候图像采集模块继续传来数据，这时第一CPU 11将接收的数据存储到数据存储区B中，当数据存储区B中写满后第二CPU 12开始读取数据存储区A，第一CPU 11又开始写数据存储区A。
具体的，所述摄像头21为CMOS摄像头，具体的为CMOS图像传感器MT9M011。该图像传感器具有可编程的增益控制、曝光控制和黑标准校正，可以在保持流畅、连续的动态图像的同时，在 50mW的能耗下，以最高 30帧/秒的帧率，进行任意大小的图像捕捉。

[0016] 具体的，所述人脸检测模块15通过以下步骤进行图像处理：图像数据预处理、人脸检测、眼睛检测与跟踪、状态判断；其中图像数据预处理包括噪声消除与图像增强处理，具体的采用中值滤波与梯度锐化实现图像的预处理；
人脸检测采用AdaBoost检测算法实现人脸的检测；
眼睛检测与跟踪，采用Hough变换找眼球和眼睑、累积差分帧相结合的方法来检测眼睛，通过眼睛跟踪得到相应的眼睛位置;
状态判断通过提取相关参数后用眼睑的宽度来判断眼睛的开闭。

[0017] 人脸检测模块15完成人脸定位后的数据通过总线送至第二CPU 12，继续进行人眼检测与特征值提取，最后经过计算判断驾驶员的状态，并通过邮箱通知第一CPU 11把状态数据写入 SD 卡31中。

[0018] 以上显示和描述了本发明的基本原理、主要特征和本发明的特点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求保护的范围由所附的权利要求书及其等效物。

标题	发布/更新时间	阅读量
一种带宽压缩中的预测方法	2020-05-08	92
一种基于边缘计算的综合传感网测试平台	2020-05-08	767
用于电力保密数据的大数据云平台安全防护方法	2020-05-08	666
一种视频压缩的预测方法	2020-05-08	2
一种适用于电力系统安防的视频增强浓缩方法	2020-05-08	656
一种视频会议加密方法	2020-05-08	912
一种电力物联网场景中基于协同内容缓存的卸载方法	2020-05-08	614
直播间弹幕显示方法、存储介质、设备及系统	2020-05-08	690
一种基于随机素数的双通道交换的超奇异椭圆曲线算法的密钥交换方法	2020-05-11	360
操作高速缓存的方法	2020-05-08	292

一种司机疲劳驾驶智能检测识别系统

一种司机疲劳驾驶智能检测识别系统

该功能需要专业版企业版VIP权限，您可以：