买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利基于视觉特征信息融合的设备操作人员疲劳状态检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113989887B 。

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111235915.7，技术领域涉及：G06V40/16；该发明授权基于视觉特征信息融合的设备操作人员疲劳状态检测方法是由柴阔;陈文达;车瑞行;狄长安设计研发完成，并于2021-10-22向国家知识产权局提交的专利申请。

本基于视觉特征信息融合的设备操作人员疲劳状态检测方法在说明书摘要公布了：本发明公开了一种基于视觉特征信息融合的设备操作人员疲劳状态检测方法，在各种疲劳表征中挑选眼部，嘴部，头部轮廓作为检测组合，基于检测组合对设备操作人员进行疲劳判断。采用特征级联分类器检测人眼，并用粒子滤波算法跟踪眼部位置；使用灰度处理检测嘴部并修改临界点提高检测精度，再通过特征点相对位置判断头部状态，通过选择上述三个方法组合成总检测方法来进行设备操作人员在不同状态下的综合检测。检测后获取参数并建立设备操作人员疲劳检测模型；使用支持向量机对模型进行机器学习，实时分析出操作者此时是否疲劳，很好的满足了不同状态下对表征参数分析得出疲劳程度的应用需求。

本发明授权基于视觉特征信息融合的设备操作人员疲劳状态检测方法在权利要求书中公布了：1.一种基于视觉特征信息融合的设备操作人员疲劳状态检测方法，其特征在于，所述方法包括以下步骤： 步骤1、在各种疲劳表征中挑选眼部、嘴部、头部轮廓作为检测组合，分别采集操作人员在清醒和疲劳状态下具有上述检测组合的视频； 步骤2、基于Haar-Like特征级联分类器的检测方法对上述视频进行人眼检测，基于均值偏移理论的粒子滤波进行眼睛跟踪，粒子滤波重采样之后，抛弃权值小的粒子，保留权值大的粒子，由权值大的粒子衍生出新的粒子，并且衍生出的所有新粒子权值相同，然后利用均值偏移理论对每个新产生的粒子进行迭代；迭代之后更新每个粒子的位置，使每个粒子都收敛到目标附近，不间断跟踪用于判断眼睛实时位置，从而通过已有的眼睑闭合参数，再利用PERCLOS测量原理以获取到实时的眼部眨眼参数；同时转入步骤3； 步骤3、通过ASM方法确定嘴部区域的位置，将嘴部特征点内的区域作为输入图像，并将输入的RGB图像转换为灰度图像；对灰度图像进行图像增强处理，调节其灰度值直到嘴部区域与背景之间的灰度值强度超过设定阈值；对嘴部区域的图像进行二值化，通过形态学重建去除噪声并填充嘴部空白区域，提取嘴部区域的高度值和嘴部附近的黑白像素比值，对开口程度进行评估，评估结果与标准打哈欠临界点进行对比，针对操作设备过程中操作人员的疲劳程度会逐渐增加这一现象，决定将固定的临界点改为两种针对性的临界点，对比是否超过临界点获取此时是否打哈欠的信息，将当前状态是否打哈欠作为嘴部参数；转入步骤4； 步骤4、基于SIFT特征点提取人脸特征参数，包括双眼和嘴巴的三角形特征区域中双眼和嘴巴的相对位置参数，将三角形特征区域作为感兴趣区域ROIs，基于SIFT描述子的匹配算法提取感兴趣区域ROIs内眼部、嘴部的SIFT特征点；首先确定SIFT特征点描述子的梯度主方向，具体为SIFT特征点邻域像素梯度直方图的峰值位置；然后将4×4×8共128维矢量作为SIFT特征点的描述子，通过特征点匹配从待处理图像中提取眼部、嘴部SIFT特征点集；通过特征点匹配得到模板图像ROIs的SIFT特征点描述子与感兴趣区域ROIs的特征点描述子之间的欧氏距离；然后，求取最近的欧氏距离p值和次近的欧氏距离值的比值，将上述比值与阈值进行比较，若p小于该阈值，则感兴趣区域ROIs的特征点即为SIFT特征点，通过获取到的特征点判断出头部摆动角度作为头部参数；转入步骤5； 步骤5、针对获取到的眨眼参数、嘴部参数以及头部参数，进行同等权重的组合，作为综合检测表征参数集，通过遗传算法和粒子群算法对综合表征参数集进行混合优化，基于支持向量机，建立装备操作人员疲劳检测模型； 步骤6、利用装备操作人员疲劳检测模型，判断待测包含头部信息的视频中的操作人员状态为清醒或疲劳。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。