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！

龙图腾网获悉江苏集萃智能光电系统研究所有限公司申请的专利一种工作人员疲劳检测方法及装置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：CN115880757B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211696714.1，技术领域涉及：G06V40/16；该发明授权一种工作人员疲劳检测方法及装置是由李苏祺;黄磊;杨威;孟刚;郭洋洋设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本一种工作人员疲劳检测方法及装置在说明书摘要公布了：本发明公开了一种工作人员疲劳检测方法及装置，该方法包括以下步骤：步骤一、安装可见光成像模块和近红外成像模块；步骤二、进行双目标定；步骤三、可见光成像模块和近红外成像模块同步采集被检测人员的人脸图像；步骤四、分别对所得可见光图像和近红外图像进行人脸检测；步骤五、根据人脸检测结果，进行活体检测；步骤六、进行人脸姿态估计和人眼特征点检测；步骤七、分别对可见光和近红外人脸图像进行疲劳状态识别；步骤八、根据人脸姿态对可见光图像和近红外图像疲劳状态识别结果进行加权平均，判断疲劳状态，输出疲劳检测结果。本发明中，先进行活体识别，在确定为非虚假人脸后再进行疲劳状态检测，提高了疲劳检测的有效性、准确性和可靠性。

本发明授权一种工作人员疲劳检测方法及装置在权利要求书中公布了：1.一种工作人员疲劳检测方法，其特征在于，包括以下步骤： 步骤一、根据不同的应用场景将可见光成像模块和近红外成像模块按左右或上下分布的方式安装在被检测人员的人脸对面，组成双目立体视觉系统； 步骤二、对双目立体视觉系统进行双目标定； 步骤三、可见光成像模块和近红外成像模块同步采集被检测人员的人脸图像，分别得到可见光图像和近红外图像； 步骤四、分别对可见光图像和近红外图像进行人脸检测； 步骤五、根据步骤四所得人脸检测结果，进行活体检测，判断当前图像中的人脸是否为虚假人脸； 步骤六、进行人脸姿态估计和人眼特征点检测； 步骤七、分别对可见光和近红外人脸图像进行疲劳状态识别； 步骤八、根据人脸姿态对可见光图像和近红外图像疲劳状态识别结果进行加权平均，判断疲劳状态，输出工作人员疲劳检测结果； 步骤一中，所述可见光成像模块包括至少一个可见光相机，所述近红外成像模块包括至少一个近红外相机；当被检测人员因工作需要头部左右转动情况居多时，可见光相机和近红外相机分居人脸前上方左右两侧，按光轴汇聚的方式形成双目立体视觉系统；当被检测人员因工作需要头部上下抬低头情况居多时，可见光相机和近红外相机分居人脸前方上下两侧，按光轴汇聚的方式形成双目立体视觉系统； 步骤五中，活体检测的步骤包括： 步骤5.1、判断步骤四中可见光图像和近红外图像是否都检测到人脸，如果都检测到人脸，则转至步骤5.2，否则，检测结果为虚假人脸，结束可见光图像和近红外图像的疲劳检测处理，输出未检出工作人员； 步骤5.2、计算人脸宽度，当人脸宽度满足设定阈值范围内时，转至步骤5.3，否则，检测结果为虚假人脸，结束可见光图像和近红外图像的疲劳检测处理，输出未检出工作人员； 步骤5.3、对可见光人脸图像和近红外人脸图像进行人脸活体检测，如果检测结果为活体，则转至步骤六，否则，检测结果为虚假人脸，结束可见光图像和近红外图像的疲劳检测处理，输出未检出工作人员； 步骤5.2中，计算人脸宽度的步骤包括： 在可见光图像和近红外图像两幅图像中检测到人脸的区域进行人脸轮廓边缘特征提取，对两幅图像中的人脸轮廓边缘特征进行立体匹配，利用步骤一中的双目立体视觉系统和步骤二中的标定参数计算得到人脸轮廓边缘的三维数据，根据三维数据可计算得到人脸的宽度； 所述三维数据的计算公式为： ； 其中，为人脸轮廓边缘某特征点的可见光成像模块图像坐标，为人脸轮廓边缘同一特征点的近红外成像模块图像坐标，为可见光成像模块的内部参数矩阵，为可见光成像模块的外部参数矩阵，为近红外成像模块的内部参数矩阵，为近红外成像模块的外部参数矩阵，为待求的人脸轮廓边缘上该点的实际三维坐标，采用最小二乘法求解得到； 步骤5.3中，对可见光人脸图像和近红外人脸图像进行人脸活体检测的步骤包括： 根据步骤四所得人脸检测结果，按照人脸框分别从可见光图像和近红外图像中提取可见光人脸子图像和近红外人脸子图像；分别对可见光人脸子图像和近红外人脸子图像进行归一化处理，并输入到训练好的卷积神经网络人脸检测模型中进行活体检测，输出活体检测结果； 所述卷积神经网络人脸检测模型包括两个子网络，其中，第一个子网络为：对归一化可见光人脸子图像进行卷积处理得到可见光人脸特征图、对归一化近红外人脸子图像进行卷积处理得到近红外人脸特征图、将可见光人脸特征图和近红外人脸特征图合并并输出合并特征图；第二个子网络为：对合并特征图进行多层卷积处理，最后采用全连接层或1×1卷积层以分类网络形式输出活体检测的类别，得到最终活体检测结果； 步骤六中，进行人脸姿态估计的步骤包括： 收集人脸轮廓特征边缘的三维数据，对人脸轮廓特征边缘三维数据进行拟合平面，定义为人脸平面，求解该人脸平面的法向量作为人脸姿态向量； 步骤八中，人脸姿态参数定义为人脸姿态向量和成像模块光轴之间的夹角，夹角越小，代表人脸越正对可见光成像模块和近红外成像模块；根据步骤二中标定的相机外部参数，计算人脸与可见光成像模块和近红外成像模块的姿态参数。

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江苏集萃智能光电系统研究所有限公司，其通讯地址为：215300 江苏省苏州市昆山开发区夏东街689号10层；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”。

以上内容由龙图腾AI智能生成。