基于人臉識別的疲勞駕駛預(yù)警系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),屬于安全駕駛預(yù)警【技術(shù)領(lǐng)域】。包括:圖像采集和轉(zhuǎn)換模塊、圖像預(yù)處理模塊、人臉檢測模塊、面部疲勞特征提取及跟蹤模塊、多疲勞特征融合模塊、疲勞預(yù)警模塊、數(shù)據(jù)存儲模塊和電源供電模塊。有益效果在于:可快速的進(jìn)行駕駛員人臉識別及疲勞特征提取,準(zhǔn)確的跟蹤面部疲勞特征,對面部多疲勞特征信息進(jìn)行快速融合處理,在復(fù)雜背景及駕駛員面部部分遮擋的情況下,也能快速檢測疲勞狀態(tài),對環(huán)境變化具有更高的魯棒性,實現(xiàn)了實時的、非接觸式的﹑快速準(zhǔn)確的基于人臉識別技術(shù)的疲勞預(yù)警。實用性強(qiáng)。
【專利說明】基于人臉識別的疲勞駕駛預(yù)警系統(tǒng)
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及安全駕駛預(yù)警【技術(shù)領(lǐng)域】,特別涉及疲勞駕駛預(yù)警【技術(shù)領(lǐng)域】,尤指一種 基于人臉識別的疲勞駕駛預(yù)警系統(tǒng)。
【背景技術(shù)】
[0002] 交通事故統(tǒng)計分析表明,隨著交通運輸業(yè)的發(fā)展和車速的提高,交通事故已成為 當(dāng)前各國所面臨的嚴(yán)重問題,而駕駛員疲勞駕駛是造成交通事故的重要原因之一。為了防 止駕駛員出現(xiàn)疲勞駕駛,國內(nèi)外的交通管理部門通常對司機(jī)進(jìn)行教育來提醒駕駛員當(dāng)駕駛 疲勞時,為了保持警覺,應(yīng)該停車休息。然而,駕駛疲勞的預(yù)防單靠教育的手段效果有限,必 須利用科學(xué)的手段分析疲勞的機(jī)理,設(shè)計一套駕駛疲勞預(yù)警模塊,在司機(jī)疲勞時發(fā)出警報, 并采取必要的措施。因此,如何有效的防止和監(jiān)督駕駛員疲勞駕駛,對于降低交通事故及人 員死亡率,有著十分現(xiàn)實的重要意義。
[0003] 目前國內(nèi)外對駕駛員疲勞檢測的方法有很多,可以歸納為: (1)基于PERCL0S裝置的疲勞判斷 PERCL0S可以非常準(zhǔn)確地反映疲勞狀態(tài)。PERCL0S測量裝置是最早能自動探測和跟蹤 駕駛員的睜閉眼情況,并能判斷疲勞現(xiàn)象發(fā)生的裝置。它實時跟蹤監(jiān)測眼瞼的睜閉,根據(jù)相 應(yīng)的閾值提醒可能處于疲勞。PERCL0S測量裝置是建立在利用攝像頭捕獲眼睛位置的基礎(chǔ) 上提取出眼睛的圖像,并分析圖像的高度來判斷眼睛的睜閉。
[0004] (2)基于駕駛行為的疲勞判斷 駕駛員處于疲勞狀態(tài)時,駕駛姿勢和駕駛行為僵化呆滯,動作遲緩。目前很多安全駕駛 監(jiān)控裝置就是基于這個原理而研制的。較為典型的有美國Electronic Safety Products公 司開發(fā)的方向盤監(jiān)視裝置S. A. Μ。這是一種監(jiān)控方向盤非正常運動的傳感器系統(tǒng)。方向盤 正常工作時系統(tǒng)不發(fā)出警報,若方向盤超過4s不工作,監(jiān)控裝置就會發(fā)出報警聲直至方向 盤繼續(xù)正常工作為止。S. A. M安裝位置較為特殊,且在方向盤下面的桿上裝有一條磁性帶, 用以監(jiān)測方向盤的轉(zhuǎn)動,其缺點是精度很低。
[0005] (3)基于監(jiān)測駕駛員在方向盤上的握力 駕駛員趨于疲勞時,其對方向盤的握力逐漸緩慢減小?;谶@個事實,美國Leavitt Larry研發(fā)了一種可以防止機(jī)動車駕駛員在駕駛過程中打瞌睡的手套。通過在手套內(nèi)層中 合理布置高精度壓力傳感器,當(dāng)壓力讀數(shù)超出可接受范圍時,激活報警系統(tǒng)。左手套和右手 套之間的信息傳送允許用任意一只手對方向盤進(jìn)行控制。
[0006] 當(dāng)前研究比較多的是用圖像處理對人臉狀態(tài)實時監(jiān)測,主要有基于幾何特征的人 臉正面圖像識別方法;基于代數(shù)特征的人臉正面自動識別方法;人工神經(jīng)網(wǎng)絡(luò)識別方法; 主元分析法(特征臉)、彈性圖匹配方法、3D立體建模方法、奇異值特征及頻譜臉等的人臉 識別方法,但上述方法普遍存在著識別準(zhǔn)確率低,過程復(fù)雜等問題。因此,從實時、快速的要 求出發(fā),綜合圖像處理、機(jī)器視覺及模式識別等方面的研究成果,迫切需要研究一種快速有 效的駕駛員疲勞檢測方法,應(yīng)用于駕駛員疲勞狀況的檢測。
[0007] 總之,研究如何利用機(jī)器視覺技術(shù)、圖像處理技術(shù)、人臉識別技術(shù)和PERCL0S疲勞 檢測方法相結(jié)合,利用DSP技術(shù)開發(fā)出實用的、市場所能接受的駕駛員疲勞預(yù)警模塊是安 全駕駛監(jiān)控系統(tǒng)的發(fā)展趨勢。
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的在于提供一種基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),解決現(xiàn)有疲勞駕 駛預(yù)警系統(tǒng)防疲勞效果差、過程復(fù)雜等問題,最大限度的提高汽車駕駛的安全性,提高預(yù)警 結(jié)果的快速性、可靠性和準(zhǔn)確性。本發(fā)明實現(xiàn)了人臉的自動檢測、眼睛和嘴巴的檢測和跟蹤 及面部疲勞特征的提取,提高了系統(tǒng)的快速性和可靠性;完成了對復(fù)雜背景及駕駛員面部 部分遮擋問題的處理,提高了系統(tǒng)的魯棒性;利用眨眼頻率、閉眼持續(xù)時間、PERCL0S值和 打哈欠頻率四種面部疲勞特征的融合來判斷駕駛員的疲勞程度,提高了系統(tǒng)的準(zhǔn)確性。
[0009] 本發(fā)明的上述目的通過以下技術(shù)方案實現(xiàn): 基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),包括圖像采集和轉(zhuǎn)換模塊、圖像預(yù)處理模塊、人臉 檢測模塊、面部疲勞特征提取及跟蹤模塊、多疲勞特征融合模塊、疲勞預(yù)警模塊、數(shù)據(jù)存儲 模塊和電源供電模塊;所述圖像采集和轉(zhuǎn)換模塊中的圖像采集部分主要包括2組近紅外光 源和一個CMOS攝像頭,實時采集駕駛員面部視頻圖像信息;圖像轉(zhuǎn)換部分主要采用視頻解 碼芯片TVP5146將模擬視頻圖像轉(zhuǎn)換成數(shù)字視頻圖像。圖像采集和轉(zhuǎn)換模塊還包括DSP數(shù) 字信號處理器DM6437,人臉檢測模塊、面部疲勞特征提取及跟蹤模塊和多疲勞特征融合模 塊通過在數(shù)字信號處理器上采用相應(yīng)的程序?qū)崿F(xiàn)相應(yīng)的功能。
[0010] 所述圖像預(yù)處理模塊是數(shù)字視頻圖像在DSP數(shù)字信號處理器中采用相應(yīng)的程序 完成圖像的去噪預(yù)處理,采用基于Contourlet變換的近紅外視頻圖像去噪方法對其進(jìn)行 去噪處理,以去除面部圖像的噪聲。
[0011] 所述人臉檢測模塊是對去噪處理后的面部圖像在數(shù)字信號處理器中采用相應(yīng)的 程序 完成人臉的自動檢測,將基于膚色信息和Adaboost算法相結(jié)合對人臉進(jìn)行檢測。特別 的,當(dāng)駕駛員面部出現(xiàn)部分遮擋的情況下,采用小波變換的方法進(jìn)行處理。
[0012] 所述面部疲勞特征提取及跟蹤模塊是在人臉檢測的基礎(chǔ)上,通過數(shù)字信號處理器 采用相應(yīng)的程序檢測眼睛、嘴巴并提取出相應(yīng)的疲勞特征圖像。首先,采用灰度積分投影和 模板匹配相結(jié)合的方法在人臉圖像中檢測眼睛,并應(yīng)用自適應(yīng)粒子濾波算法對眼睛進(jìn)行跟 蹤。同時,采用"三庭五眼"法確定嘴部的位置。然后,通過計算眼睛和嘴部外接矩形的寬 高比來提取面部疲勞特征圖像。
[0013] 所述多疲勞特征融合模塊在數(shù)字信號處理器中采用相應(yīng)的程序通過快速融合面 部多種疲勞特征來判斷駕駛員的疲勞程度。采用模糊聚類的方法快速融合眨眼頻率、閉眼 持續(xù)時間、PERCL0S值和打哈欠頻率四種面部疲勞特征信息,判斷駕駛員的疲勞程度,并將 駕駛員的疲勞信息送入到疲勞預(yù)警模塊和數(shù)據(jù)存儲模塊。
[0014] 所述疲勞預(yù)警模塊包括LED燈光報警、NV035B語音報警以及IXD液晶顯示器。根 據(jù)駕駛員的疲勞程度,發(fā)出相應(yīng)的聲音和燈光報警,并顯示駕駛員的疲勞程度,以提高駕駛 員的警覺性。
[0015] 所述數(shù)據(jù)存儲模塊在FLASH存儲器、DDR SDRAM存儲器和CF卡中存儲原始圖像數(shù) 據(jù)、人臉及面部特征提取結(jié)果及疲勞程度判斷結(jié)果。
[0016] 所述的電源供電模塊通過電源轉(zhuǎn)換模塊將車載+12V電源轉(zhuǎn)換成系統(tǒng)各用電模塊 所需的電源,并對系統(tǒng)各用電模塊進(jìn)行供電。
[0017] 所述的面部疲勞特征提取及跟蹤模塊采用自適應(yīng)粒子濾波算法對眼睛進(jìn)行跟蹤, 如跟蹤失敗則重新檢測眼睛;如跟蹤成功,則采用"三庭五眼"法進(jìn)行嘴巴檢測。
[0018] 所述的多疲勞特征融合模塊采用模糊聚類法快速融合眨眼頻率、閉眼持續(xù)時間、 PERCL0S值和打哈欠頻率四種面部疲勞特征信息,得到駕駛員的疲勞狀態(tài),包括輕度疲勞、 中度疲勞和深度疲勞三種狀態(tài),每種狀態(tài)代表不同的疲勞程度。
[0019] 本發(fā)明基于人臉識別的疲勞駕駛預(yù)警系統(tǒng)的方法是 使用CMOS攝像頭采集駛員面部圖像,并采用視頻解碼芯片TVP5146將模擬視頻圖像轉(zhuǎn) 換成數(shù)字視頻圖像;采用基于Contourlet變換的近紅外視頻圖像去噪方法對數(shù)字視頻圖 像進(jìn)行去噪預(yù)處理;預(yù)處理后的圖像通過基于膚色信息和Adaboost相結(jié)合的方法進(jìn)行人 臉檢測;在人臉檢測的基礎(chǔ)上,將灰度積分投影方法和模板匹配方法相結(jié)合對人眼進(jìn)行檢 測,并采用自適應(yīng)粒子濾波算法來跟蹤眼睛;檢測到眼睛后,根據(jù)"三庭五眼"法確定嘴部的 位置;通過計算眼睛和嘴部外接矩形的寬高比來提取面部疲勞特征圖像;當(dāng)駕駛員面部出 現(xiàn)部分遮擋的情況下,采用小波變換的方法進(jìn)行處理;通過模糊聚類法快速融合眨眼頻率、 閉眼持續(xù)時間、PERCL0S值和打哈欠頻率四種面部疲勞特征信息,判斷駕駛員的疲勞程度; 根據(jù)駕駛員的疲勞程度發(fā)出相應(yīng)的預(yù)警,并對檢測和判斷結(jié)果進(jìn)行存儲。
[0020] 本發(fā)明的有益效果在于:可快速的進(jìn)行駕駛員人臉識別及疲勞特征提取,準(zhǔn)確的 跟蹤面部疲勞特征,對面部多疲勞特征信息進(jìn)行快速融合處理,在復(fù)雜背景及駕駛員面部 部分遮擋的情況下,也能快速檢測疲勞狀態(tài),對環(huán)境變化具有更高的魯棒性,實現(xiàn)了實時 的、非接觸式的、快速準(zhǔn)確的基于人臉識別技術(shù)的疲勞預(yù)警。
【專利附圖】
【附圖說明】
[0021] 此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解,構(gòu)成本申請的一部分,本發(fā) 明的示意性實例及其說明用于解釋本發(fā)明,并不構(gòu)成對本發(fā)明的不當(dāng)限定。
[0022] 圖1為本發(fā)明的系統(tǒng)流程圖; 圖2為本發(fā)明的人臉檢測流程圖; 圖3為本發(fā)明的面部特征定位與跟蹤流程圖; 圖4為本發(fā)明的眼睛閉合程度示意圖; 圖5為本發(fā)明的眨眼頻率檢測流程圖; 圖6為本發(fā)明的閉眼持續(xù)時間檢測流程圖; 圖7為本發(fā)明的打哈欠頻率檢測流程圖; 圖8為本發(fā)明的系統(tǒng)硬件結(jié)構(gòu)框圖。
【具體實施方式】
[0023] 下面結(jié)合附圖進(jìn)一步說明本發(fā)明的詳細(xì)內(nèi)容及其【具體實施方式】。
[0024] 參見圖1至圖8所示,本發(fā)明的基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),由圖像采集和 轉(zhuǎn)換模塊、圖像預(yù)處理模塊、人臉檢測模塊、面部疲勞特征提取及跟蹤模塊、多疲勞特征融 合模塊、疲勞預(yù)警模塊、數(shù)據(jù)存儲模塊和電源供電模塊八個部分組成。本發(fā)明首先采用CMOS 攝像頭對駕駛員面部圖像進(jìn)行采集,采用視頻解碼芯片TVP5146將模擬視頻圖像轉(zhuǎn)換成數(shù) 字視頻圖像,并采用基于Contourlet變換的近紅外視頻圖像去噪方法對其進(jìn)行去噪預(yù)處 理,然后采用基于膚色信息和Adaboost相結(jié)合的方法進(jìn)行人臉檢測,在檢測到的人臉圖像 上采用灰度積分投影和模板匹配相結(jié)合的方法檢測眼睛,并應(yīng)用自適應(yīng)粒子濾波算法進(jìn)行 眼睛跟蹤,同時采用"三庭五眼"法對嘴巴進(jìn)行定位,通過計算眼睛和嘴部外接矩形的寬高 比來提取疲勞狀態(tài),最后采用模糊聚類的方法快速融合眨眼頻率、閉眼持續(xù)時間、PERCLOS 值和打哈欠頻率四種疲勞特征信息,判斷駕駛員的疲勞程度并發(fā)出相應(yīng)的預(yù)警信號,并對 檢測和判斷結(jié)果進(jìn)行存儲。
[0025] 參見圖1所示,本發(fā)明的基于人臉識別的疲勞駕駛預(yù)警系統(tǒng)由CMOS攝像頭采集駕 駛員的面部視頻圖像,首先進(jìn)行去噪預(yù)處理,然后進(jìn)行人臉檢測,如沒有檢測到人臉,則返 回到人臉檢測;如檢測到人臉,則進(jìn)行人眼檢測與跟蹤,如沒有檢測或跟蹤到眼睛,則返回 到人眼檢測與跟蹤;如檢測到眼睛,則進(jìn)行嘴巴檢測,同時提取眼睛和嘴巴的狀態(tài),并計算 眨眼頻率、閉眼持續(xù)時間、PERCLOS值和打哈欠頻率,最后采用模糊聚類方法進(jìn)行融合判斷, 如駕駛員未疲勞,則返回到圖像采集,繼續(xù)進(jìn)行監(jiān)控;如駕駛員處于疲勞狀態(tài),則報警提示 駕駛員注意安全。
[0026] 具體實施過程如下: 1、人臉檢測 人臉檢測的流程如圖2所示,首先,對去噪預(yù)處理后的駕駛員面部圖像采用基于膚色 信息的方法進(jìn)行人臉初始定位,然后采用Adaboost算法對人臉進(jìn)行精確定位,如沒有檢測 到人臉,則返回人臉初始定位;如檢測到人臉,則輸出人臉圖像信息。
[0027] 特別的,當(dāng)駕駛員面部出現(xiàn)部分遮擋的情況下,先采用小波變換的方法進(jìn)行處理, 然后再進(jìn)行人臉檢測。
[0028] 2、面部特征定位與跟蹤 面部特征定位與跟蹤的流程如圖3所示,眼睛和嘴巴能很好的反應(yīng)駕駛員的疲勞情 況,因此選取眼睛和嘴巴作為疲勞檢測的面部特征。首先,采用灰度積分投影的方法在人臉 區(qū)域中初步的定位眼睛區(qū)域,然后采用模板匹配法進(jìn)行人眼精確定位,如沒有檢測到眼睛, 則重新進(jìn)行眼睛檢測;如準(zhǔn)確檢測到眼睛區(qū)域,則采用自適應(yīng)粒子濾波算法對眼睛進(jìn)行跟 蹤,如跟蹤失敗則重新檢測眼睛;如跟蹤成功,則采用"三庭五眼"法進(jìn)行嘴巴檢測。
[0029] 3、面部疲勞特征提取 檢測到眼睛和嘴巴的位置后,通過計算眼睛和嘴部外接矩形的寬高比來提取眼睛和嘴 巴的閉合程度,然后計算眨眼頻率、閉眼持續(xù)時間、PERCLOS值和打哈欠頻率。
[0030] 如圖4所示,定義眼睛張開為最大瞳孔尺寸的80%以上為睜眼,眼睛張開為最大瞳 孔尺寸的20%以下為閉眼。
[0031] 眨眼頻率是指單位時間內(nèi)眨眼的次數(shù),即: V = MfT 其中:M是固定時間間隔內(nèi)檢測到的眼睛開-合-開的次數(shù),即眨眼次數(shù); T是固定時間間隔。
[0032] 眨眼頻率的檢測過程如圖5所示,如果眨眼頻率v大于事先設(shè)定的閾值,則認(rèn)為駕 駛員處于疲勞狀態(tài)。
[0033] 如果連續(xù)兩次采集的眼睛圖像都是閉合狀態(tài),則認(rèn)為這兩次采集時間間隔為閉眼 持續(xù)時間,即: D{t)二 t·' - 其中:G是眼睛睜開程度減小到20%的時刻; 勺是眼睛再次睜開到20%的時刻。
[0034] 閉眼持續(xù)時間的檢測過程如圖6所示,連續(xù)采集的閉眼次數(shù)越多,則閉眼持續(xù)時 間越長,將D (t)與事先設(shè)定的閾值比較,如果大于閾值,則認(rèn)為駕駛員處于疲勞狀態(tài)。
[0035] PERCL0S值是指眼睛閉合時間占某一特定時間的百分率。且P80算法與疲勞程度 相關(guān)性最好。P80是以眼瞼遮住瞳孔的面積至少超過80%記為眼睛閉合,統(tǒng)計時間的百分比 作為標(biāo)準(zhǔn)。如圖4所示,通過測量出I2--5就能計算出PERCL0S值,即:
【權(quán)利要求】
1. 一種基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),其特征在于:包括圖像采集和轉(zhuǎn)換模塊、 圖像預(yù)處理模塊、人臉檢測模塊、面部疲勞特征提取及跟蹤模塊、多疲勞特征融合模塊、疲 勞預(yù)警模塊、數(shù)據(jù)存儲模塊和電源供電模塊; 所述圖像采集和轉(zhuǎn)換模塊包括2組近紅外光源、一個CMOS攝像頭、視頻解碼芯片、DSP 數(shù)字信號處理器,其中,CMOS攝像頭實時采集駕駛員面部視頻圖像信息,視頻解碼芯片實現(xiàn) 模擬視頻圖像到數(shù)字視頻圖像的轉(zhuǎn)換,并將轉(zhuǎn)換后的數(shù)字視頻圖像送入圖像預(yù)處理模塊; 所述圖像預(yù)處理模塊將數(shù)字視頻圖像在DSP數(shù)字信號處理器中采用相應(yīng)的程序完成 圖像的預(yù)處理,采用基于Contourlet變換的近紅外視頻圖像去噪方法對數(shù)字視頻圖像進(jìn) 行去噪預(yù)處理,以去除面部圖像的噪聲,并將去噪后的面部圖像送入人臉檢測模塊; 所述人臉檢測模塊是對去噪處理后的面部圖像在數(shù)字信號處理器中采用相應(yīng)的程序 完成快速可靠的人臉自動檢測,采用基于膚色信息和Adaboost相結(jié)合的方法對人臉進(jìn)行 檢測,并將檢測的人臉圖像數(shù)據(jù)送入面部疲勞特征提取及跟蹤模塊; 所述面部疲勞特征提取及跟蹤模塊是在DSP數(shù)字信號處理器中采用相應(yīng)的程序從人 臉圖像中檢測眼睛、嘴巴并提取出相應(yīng)的疲勞特征圖像;采用灰度積分投影和模板匹配相 結(jié)合的方法在人臉圖像中檢測眼睛,并應(yīng)用自適應(yīng)粒子濾波算法跟蹤眼睛,同時,采用"三 庭五眼"法確定嘴部的位置,通過計算眼睛和嘴部外接矩形的寬高比來提取面部疲勞特征 圖像,并將提取出的面部疲勞特征圖像數(shù)據(jù)傳送給多疲勞特征融合模塊; 所述多疲勞特征融合模塊通過在DSP數(shù)字信號處理器中采用相應(yīng)的程序快速融合面 部多種疲勞特征來判斷駕駛員的疲勞程度;采用模糊聚類的方法快速融合眨眼頻率、閉眼 持續(xù)時間、PERCL0S值和打哈欠頻率四種面部疲勞特征信息,判斷駕駛員的疲勞程度,并將 駕駛員的疲勞信息送入到疲勞預(yù)警模塊和數(shù)據(jù)存儲模塊; 所述疲勞預(yù)警模塊包括LED燈光報警、NV035B語音報警以及IXD液晶顯示器,根據(jù)駕 駛員的疲勞程度,發(fā)出相應(yīng)的聲音和燈光報警,并顯示駕駛員的疲勞程度,以達(dá)到提醒駕駛 員的目的; 所述數(shù)據(jù)存儲模塊包括FLASH存儲器、DDR SDRAM存儲器和CF卡,用于存儲原始圖像 數(shù)據(jù)、人臉及面部特征提取結(jié)果及疲勞程度判斷結(jié)果。
2. 根據(jù)權(quán)利要求1所述的基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),其特征在于:所述的電 源供電模塊將車載+12V電源轉(zhuǎn)換成各用電模塊所需的電源進(jìn)行供電。
3. 根據(jù)權(quán)利要求1所述的基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),其特征在于:所述的面 部疲勞特征提取及跟蹤模塊采用自適應(yīng)粒子濾波算法對眼睛進(jìn)行跟蹤,如跟蹤失敗則重新 檢測眼睛;如跟蹤成功,則采用"三庭五眼"法進(jìn)行嘴巴檢測。
4. 根據(jù)權(quán)利要求1所述的基于人臉識別的疲勞駕駛預(yù)警系統(tǒng),其特征在于:所述的多 疲勞特征融合模塊采用模糊聚類法快速融合眨眼頻率、閉眼持續(xù)時間、PERCL0S值和打哈欠 頻率四種面部疲勞特征信息,得到駕駛員的疲勞狀態(tài),包括輕度疲勞、中度疲勞和深度疲勞 三種狀態(tài),每種狀態(tài)代表不同的疲勞程度。
【文檔編號】G08B21/06GK104240446SQ201410499243
【公開日】2014年12月24日 申請日期:2014年9月26日 優(yōu)先權(quán)日:2014年9月26日
【發(fā)明者】于微波, 魏來, 李楠, 趙琳, 馬慶峰, 劉克平 申請人:長春工業(yè)大學(xué)