本發(fā)明涉及圖像處理、模式識和自動化技術(shù)領(lǐng)域，尤其涉及基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)及方法。

背景技術(shù)：

疲勞駕駛是導(dǎo)致高交通事故中比較重要的因素，因而如何高效、準(zhǔn)確、快速的檢測駕駛員是否在疲勞駕駛，并在已知疲勞駕駛的情況下如何防止，就顯得尤為重要。

目前檢測疲勞駕駛的技術(shù)手段主要是通過機器視覺的方式，主要檢測眼睛或嘴巴的運動狀態(tài)(是否閉合、張開等狀態(tài))，通過某種狀態(tài)機判斷當(dāng)前是否是疲勞駕駛狀態(tài)；由于受駕駛艙環(huán)境光照等復(fù)雜多變的因素影響，導(dǎo)致檢測眼睛或嘴巴的位置定位不夠準(zhǔn)確，結(jié)果會導(dǎo)致估計眼睛或嘴巴的運動狀態(tài)不夠精確，導(dǎo)致無檢測概率比較大，而且對檢測到的疲勞駕駛狀態(tài)都是通過語音進行報警，這樣從本質(zhì)上沒有制止疲勞駕駛帶來的交通事故。

技術(shù)實現(xiàn)要素：

針對上述問題中存在的不足之處，本發(fā)明提供一種基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)及方法。

為實現(xiàn)上述目的，本發(fā)明的第一目的在于提供一種基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)，包括：設(shè)置在駕駛員前方的智能設(shè)備、車載中控臺和安裝在駕駛員座椅上的振動反饋裝置；

所述智能設(shè)備包括：

左攝像頭，用于拍攝包含眼睛和嘴巴的左圖像數(shù)據(jù)；

右攝像頭，用于拍攝包含眼睛和嘴巴的右圖像數(shù)據(jù)；

處理器，用于對左右圖像數(shù)據(jù)進行濾波、ROI區(qū)域提取、深度計算，獲取ROI區(qū)域的深度圖像；將深度圖像送入到離線訓(xùn)練得到的眼睛、嘴巴識別模型中，獲取眼睛和嘴巴圖像區(qū)域；對眼睛和嘴巴圖像區(qū)域進行邊緣點檢測，計算沿眼睛或嘴巴閉合方向上相對應(yīng)兩邊緣點的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離；判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開；繼續(xù)判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值；若達到，則向車載中控臺發(fā)送報警指令；

車載中控臺接收報警指令，控制振動反饋裝置振動，實現(xiàn)對駕駛員的提醒。

作為本發(fā)明的進一步改進，所述處理器包括：

濾波模塊，用于對左右圖像數(shù)據(jù)分別進行高斯平滑濾波，平滑窗口為7*7；

ROI區(qū)域提取模塊，用于對濾波后的左右圖像數(shù)據(jù)，提取包含眼睛和嘴巴信息的左ROI區(qū)域和右ROI區(qū)域；

深度圖像獲取模塊，用于利用雙目攝像頭的標(biāo)定參數(shù)及雙目成像原理，對左右ROI區(qū)域進行深度計算，獲取ROI區(qū)域的深度圖像；

識別模型建立模塊，用于對采集的大樣本進行半監(jiān)督隨機森林學(xué)習(xí)，人工對大樣本ROI區(qū)域中駕駛員的眼睛和嘴巴進行分類，建立眼睛、嘴巴的識別模型；該樣本包括：嘴巴的張開及閉合、眼睛的張開及閉合；

識別模塊，用于將ROI區(qū)域的深度圖像送入到識別模型中，進行像素分類，獲取眼睛和嘴巴圖像區(qū)域；并對眼睛和嘴巴圖像區(qū)域分別進行PCA計算，獲取眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向；

邊緣檢測模塊，用于對眼睛和嘴巴圖像區(qū)域分別進行邊緣檢測，將檢測到的邊緣點按照順時針或逆時針進行排序，得到由邊緣點組成的眼睛輪廓和嘴巴輪廓；根據(jù)眼睛和嘴巴輪廓以及眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向，得到眼睛分割線和嘴巴分割線，計算眼睛分割線或嘴巴分割線兩側(cè)相對應(yīng)的眼睛邊緣點或嘴巴邊緣點之間的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離；

判斷模塊，用于判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開；繼續(xù)判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值；若達到，則向車載中控臺發(fā)送報警指令。

作為本發(fā)明的進一步改進，所述報警閾值為A1、A2、A3，其中：0＜A1＜A2＜A3＜A；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A1且小于A2，則處理器向車載中控臺發(fā)送振動模式1的報警指令，振動模式1為慢速振動；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A2且小于A3，則處理器向車載中控臺發(fā)送振動模式2的報警指令，振動模式2為中速振動；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A3且小于A，則處理器向車載中控臺發(fā)送振動模式3的報警指令，振動模式3為快速振動。

作為本發(fā)明的進一步改進，所述智能設(shè)備安裝在駕駛員前方的儀表盤上。

作為本發(fā)明的進一步改進，所述車載中控臺與處理器、振動反饋裝置的數(shù)據(jù)傳輸形式均采用藍(lán)牙傳輸。

本發(fā)明的第二目的在于提供一種基于雙目攝像頭的安全作業(yè)智能監(jiān)控方法，包括：

步驟1、輸入雙目攝像頭采集的左圖像數(shù)據(jù)和右圖像數(shù)據(jù)；

步驟2、對左右圖像數(shù)據(jù)分別進行高斯平滑濾波，平滑窗口為7*7；

步驟3、對濾波后的左右圖像數(shù)據(jù)，提取包含眼睛和嘴巴信息的左ROI區(qū)域和右ROI區(qū)域；

步驟4、利用雙目攝像頭的標(biāo)定參數(shù)及雙目成像原理，對左右ROI區(qū)域進行深度計算，獲取ROI區(qū)域的深度圖像；

步驟5、將深度圖像送入到離線訓(xùn)練得到的眼睛、嘴巴識別模型中，進行像素分類，獲取眼睛和嘴巴圖像區(qū)域；

步驟6、對眼睛和嘴巴圖像區(qū)域分別進行PCA計算，獲取眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向；

步驟7、對眼睛和嘴巴圖像區(qū)域分別進行邊緣檢測，將檢測到的邊緣點按照順時針或逆時針進行排序，得到由邊緣點組成的眼睛輪廓和嘴巴輪廓；

步驟8、根據(jù)眼睛和嘴巴輪廓以及眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向，得到眼睛分割線和嘴巴分割線；

步驟9、計算眼睛分割線或嘴巴分割線兩側(cè)相對應(yīng)的眼睛邊緣點或嘴巴邊緣點之間的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離；

步驟10、判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開，跳至步驟11；

步驟11、判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值；若達到，則向車載中控臺發(fā)送報警指令；

步驟12、車載中控臺接收報警指令，控制振動反饋裝置振動，實現(xiàn)對駕駛員的提醒。

作為本發(fā)明的進一步改進，在步驟5中，所述識別模型的建立方法為：

步驟51、采集大樣本數(shù)據(jù)；

步驟52、依據(jù)步驟1-4，獲取每個樣本ROI區(qū)域的深度圖像；

步驟53、通過半監(jiān)督隨機森林學(xué)習(xí)法，人工對大樣本ROI深度圖像中駕駛員的眼睛和嘴巴進行分類，建立眼睛、嘴巴的識別模型；該樣本包括：嘴巴的張開及閉合、眼睛的張開及閉合。

作為本發(fā)明的進一步改進，在步驟53中，半監(jiān)督隨機森林的參數(shù)設(shè)計為：

樹的個數(shù)：200，二叉樹的深度：100，每層樹的最佳分割候選點個數(shù)：4，預(yù)測精度：0.001。

作為本發(fā)明的進一步改進，在步驟11中，所述報警閾值為A1、A2、A3，其中：0＜A1＜A2＜A3＜A；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A1且小于A2，則處理器向車載中控臺發(fā)送振動模式1的報警指令，振動模式1為慢速振動；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A2且小于A3，則處理器向車載中控臺發(fā)送振動模式2的報警指令，振動模式2為中速振動；

當(dāng)眼睛閉合和/或嘴巴張開的時間大于A3且小于A，則處理器向車載中控臺發(fā)送振動模式3的報警指令，振動模式3為快速振動。

作為本發(fā)明的進一步改進，所述預(yù)設(shè)時間A為300s，報警閾值A(chǔ)1為30s，報警閾值A(chǔ)2為150s，報警閾值A(chǔ)3為200s。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

本發(fā)明提供基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)及方法，通過將計算得到的眼睛、嘴巴關(guān)鍵距離與各自設(shè)定的閾值進行比較來判斷眼睛、嘴巴的閉合/張開狀態(tài)，若眼睛閉合、嘴巴張開則表明駕駛員處于疲勞狀態(tài)；并進一步在預(yù)設(shè)時間內(nèi)，通過檢測眼睛閉合、嘴巴張開的時間來判斷駕駛員是否處于疲勞駕駛，當(dāng)處于疲勞駕駛時，車載中控臺控制振動反饋裝置振動，實現(xiàn)對駕駛員的提醒；本發(fā)明對眼睛、嘴巴運動狀態(tài)的檢測精度高，通過振動反饋裝置實現(xiàn)振動提醒，從而從本質(zhì)上制止疲勞駕駛帶來的交通事故。

附圖說明

圖1為本發(fā)明一種實施例公開的基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)的框架圖；

圖2為圖1中處理器的框架圖；

圖3為本發(fā)明一種實施例公開的基于雙目攝像頭的安全作業(yè)智能監(jiān)控方法流程圖；

圖4為本發(fā)明一種實施例公開的眼睛分割線及眼睛關(guān)鍵距離的示意圖。

圖中：

10、智能設(shè)備；11、左攝像頭；12、右攝像頭；13、處理器；20、車載中控臺；30、振動反饋裝置。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

下面結(jié)合附圖對本發(fā)明做進一步的詳細(xì)描述：

如圖1所示，本發(fā)明提供一種基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)，包括：設(shè)置在駕駛員前方的智能設(shè)備10、車載中控臺20和安裝在駕駛員座椅上的振動反饋裝置30；其中，智能設(shè)備10可安裝在駕駛員前方的儀表盤上，車載中控臺20為汽車的總控制中心，智能設(shè)備10、車載中控臺20和振動反饋裝置30之間通過藍(lán)牙進行信息交互。

本發(fā)明的智能設(shè)備10包括：左攝像頭11、右攝像頭12、處理器13和電源；其中：

左攝像頭11用于拍攝包含眼睛和嘴巴的左圖像數(shù)據(jù)，右攝像頭12用于拍攝包含眼睛和嘴巴的右圖像數(shù)據(jù)；左攝像頭11和右攝像頭12構(gòu)成了雙目攝像頭。

處理器13，處理器13用于對左右圖像數(shù)據(jù)進行濾波、ROI區(qū)域提取、深度計算，獲取ROI區(qū)域的深度圖像；將深度圖像送入到離線訓(xùn)練得到的眼睛、嘴巴識別模型中，獲取眼睛和嘴巴圖像區(qū)域；對眼睛和嘴巴圖像區(qū)域進行邊緣點檢測，計算沿眼睛或嘴巴閉合方向上相對應(yīng)兩邊緣點的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離；判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開；繼續(xù)判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值；若達到，則向車載中控臺發(fā)送報警指令；車載中控臺20接收報警指令，控制振動反饋裝置30振動，實現(xiàn)對駕駛員的提醒。

如圖2所示，本發(fā)明的處理器13包括：濾波模塊、ROI區(qū)域提取模塊、深度圖像獲取模塊、識別模型建立模塊、識別模塊、邊緣檢測模塊和判斷模塊；其中：

濾波模塊，用于對左右圖像數(shù)據(jù)分別進行高斯平滑濾波，平滑窗口為7*7；

ROI區(qū)域提取模塊，用于對濾波后的左右圖像數(shù)據(jù)，提取包含眼睛和嘴巴信息的左ROI區(qū)域和右ROI區(qū)域；其中，本發(fā)明在汽車駕駛艙對攝像頭的安裝是有一定要求，一般要求標(biāo)準(zhǔn)是駕駛員正常駕駛狀態(tài)下，駕駛員的頭部位置正好落在攝像頭圖像區(qū)域的中間區(qū)域即可；即ROI區(qū)域是圖像中間區(qū)域；

深度圖像獲取模塊，利用提前對雙目攝像頭的標(biāo)定參數(shù)，通過雙目立體成像原理(三角定位)，對左右ROI區(qū)域進行深度數(shù)據(jù)計算，獲取ROI區(qū)域的深度圖像；

識別模型建立模塊，用于采集300000個不同人的樣本作為大樣本數(shù)據(jù)，獲取每個樣本ROI區(qū)域的深度圖像，通過半監(jiān)督隨機森林學(xué)習(xí)法，人工對大樣本ROI深度圖像中駕駛員的眼睛和嘴巴進行分類，建立眼睛、嘴巴的識別模型；其中，半監(jiān)督隨機森林的參數(shù)設(shè)計為：樹的個數(shù)：200，二叉樹的深度：100，每層樹的最佳分割候選點個數(shù)：4，預(yù)測精度：0.001；樣本中必須包含人的嘴巴張開，眼睛閉合狀態(tài)等情況；

識別模塊，用于將深度圖像送入到通過離線訓(xùn)練得到的眼睛、嘴巴識別模型中，對ROI的深度圖像進行像素分類，獲取眼睛和嘴巴圖像區(qū)域；并對眼睛和嘴巴圖像區(qū)域分別進行PCA計算(PCA(Principal Component Analysis)是最常用的線性降維方法，它的目標(biāo)是通過某種線性投影，將高維的數(shù)據(jù)映射到低維的空間中表示，并期望在所投影的維度上數(shù)據(jù)的方差最大，以此使用較少的數(shù)據(jù)維度，同時保留住較多的原數(shù)據(jù)點的特性)，獲取眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向；

邊緣檢測模塊，用于對眼睛和嘴巴圖像區(qū)域分別進行邊緣檢測，將檢測到的邊緣點按照順時針或逆時針進行排序，得到由邊緣點組成的眼睛輪廓和嘴巴輪廓，如圖4所示的眼睛輪廓。根據(jù)眼睛和嘴巴輪廓以及眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向，得到眼睛分割線和嘴巴分割線，如圖4所示的眼睛分割線；嘴巴分割線與眼睛分割線一致，用于分割上嘴唇和下嘴唇，圖中未示出。計算眼睛分割線或嘴巴分割線兩側(cè)相對應(yīng)的眼睛邊緣點或嘴巴邊緣點之間的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離。如圖4所示，以眼睛輪廓為例，將眼睛分割線兩側(cè)相對應(yīng)的邊緣點相連(保證兩邊緣點的連接線與眼睛分割線垂直或最近似垂直)，求得所有對應(yīng)兩邊緣點的距離d1、d2···dn，并從所有距離中找出最大的距離d_最大，該距離即為眼睛關(guān)鍵距離，形成該距離的兩邊緣點即為眼睛關(guān)鍵點；嘴巴關(guān)鍵距離的獲取方法與上述方法一致。

判斷模塊，用于判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開；其中，閾值T1、閾值T2可人為根據(jù)需求進行設(shè)定。判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值A(chǔ)1、A2、A3，0＜A1＜A2＜A3＜A；若達到，則向車載中控臺發(fā)送報警指令；其中，本發(fā)明優(yōu)選預(yù)設(shè)時間A為300s，報警閾值A(chǔ)1為30s，報警閾值A(chǔ)2為150s，報警閾值A(chǔ)3為200s；同時，還可根據(jù)實際需求設(shè)計不同的閾值；

a、當(dāng)眼睛閉合和/或嘴巴張開的時間大于0且小于30s，則處理器不發(fā)送報警指令；

b、當(dāng)眼睛閉合和/或嘴巴張開的時間大于30s且小于150s，則處理器向車載中控臺發(fā)送振動模式1的報警指令，振動模式1為慢速振動；

c、當(dāng)眼睛閉合和/或嘴巴張開的時間大于150s且小于200s，則處理器向車載中控臺發(fā)送振動模式2的報警指令，振動模式2為中速振動；

d、當(dāng)眼睛閉合和/或嘴巴張開的時間大于200s且小于300s，則處理器向車載中控臺發(fā)送振動模式3的報警指令，振動模式3為快速振動。

優(yōu)選的，本發(fā)明的車載中控臺20接收處理器13的報警指令，并向控制振動反饋裝置30發(fā)送指令，控制其工作，實現(xiàn)對駕駛員的振動提醒。其中，振動反饋裝置安裝在駕駛員座椅上，其可采用多個振動凸點，通過處理器的判斷結(jié)果，控制不同數(shù)量的振動凸點振動，從而實現(xiàn)3種振動模式(也可根據(jù)需求設(shè)計成多種振動模式)。

優(yōu)選的，該智能監(jiān)控系統(tǒng)還包括：設(shè)置在駕駛室內(nèi)的語音播報裝置；

語音播報裝置與車載中控臺20相連，當(dāng)車載中控臺接收到報警指令時，車載中控臺通過藍(lán)牙信號向語音播報裝置發(fā)送指令，控制語音播報裝置進行語音提醒。

如圖3所示，本發(fā)明提供一種基于雙目攝像頭的安全作業(yè)智能監(jiān)控方法，包括：

S101、輸入雙目攝像頭采集的左圖像數(shù)據(jù)和右圖像數(shù)據(jù)，圖像數(shù)據(jù)為雙目攝像頭采集的駕駛員面部圖像。

S102、對左右圖像數(shù)據(jù)分別進行傳統(tǒng)的高斯平滑濾波，平滑窗口為7*7。

S103、對濾波后的左右圖像數(shù)據(jù)，提取包含眼睛和嘴巴信息的左ROI區(qū)域和右ROI區(qū)域；其中，本發(fā)明在汽車駕駛艙對攝像頭的安裝是有一定要求，一般要求標(biāo)準(zhǔn)是駕駛員正常駕駛狀態(tài)下，駕駛員的頭部位置正好落在攝像頭圖像區(qū)域的中間區(qū)域即可；即ROI區(qū)域是圖像中間區(qū)域。

S104、利用提前對雙目攝像頭的標(biāo)定參數(shù)，通過雙目立體成像原理(三角定位)，對左右ROI區(qū)域進行深度數(shù)據(jù)計算，獲取ROI區(qū)域的深度圖像。

S105、將深度圖像送入到通過離線訓(xùn)練得到的眼睛、嘴巴識別模型中，對ROI的深度圖像進行像素分類，獲取眼睛和嘴巴圖像區(qū)域；其中，識別模型的建立方法為：

a、采集300000個不同人的樣本作為大樣本數(shù)據(jù)；

b、依據(jù)S101-S104，獲取每個樣本ROI區(qū)域的深度圖像；

c、通過半監(jiān)督隨機森林學(xué)習(xí)法，人工對大樣本ROI深度圖像中駕駛員的眼睛和嘴巴進行分類，建立眼睛、嘴巴的識別模型；其中，半監(jiān)督隨機森林的參數(shù)設(shè)計為：樹的個數(shù)：200，二叉樹的深度：100，每層樹的最佳分割候選點個數(shù)：4，預(yù)測精度：0.001；樣本中必須包含人的嘴巴張開，眼睛閉合狀態(tài)等情況。

S106、對眼睛和嘴巴圖像區(qū)域分別進行PCA計算(PCA(Principal Component Analysis)是最常用的線性降維方法，它的目標(biāo)是通過某種線性投影，將高維的數(shù)據(jù)映射到低維的空間中表示，并期望在所投影的維度上數(shù)據(jù)的方差最大，以此使用較少的數(shù)據(jù)維度，同時保留住較多的原數(shù)據(jù)點的特性)，獲取眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向。

S107、對眼睛和嘴巴圖像區(qū)域分別進行邊緣檢測，將檢測到的邊緣點按照順時針或逆時針進行排序，得到由邊緣點組成的眼睛輪廓和嘴巴輪廓，如圖4所示的眼睛輪廓。

S108、根據(jù)眼睛和嘴巴輪廓以及眼睛區(qū)域和嘴巴區(qū)域的二維圖像方向，得到眼睛分割線和嘴巴分割線，如圖4所示的眼睛分割線；嘴巴分割線與眼睛分割線一致，用于分割上嘴唇和下嘴唇，圖中未示出。

S109、計算眼睛分割線或嘴巴分割線兩側(cè)相對應(yīng)的眼睛邊緣點或嘴巴邊緣點之間的最大距離，作為眼睛關(guān)鍵距離和嘴巴關(guān)鍵距離。如圖4所示，以眼睛輪廓為例，將眼睛分割線兩側(cè)的邊緣點相連(連接線與眼睛分割線垂直或近似垂直)，求得所有對應(yīng)兩邊緣點的距離d1、d2···dn，并從所有距離中找出最大的距離d_最大，該距離即為眼睛關(guān)鍵距離，形成該距離的兩邊緣點即為眼睛關(guān)鍵點；嘴巴關(guān)鍵距離的獲取方法與上述方法一致。

S110、判斷眼睛關(guān)鍵距離是否小于閾值T1、嘴巴關(guān)鍵距離是否大于閾值T2，若是，則證明眼睛閉合、嘴巴張開，可表示駕駛員處于疲勞狀態(tài)；跳至S111。其中，閾值T1、閾值T2可人為根據(jù)需求進行設(shè)定。

S111、判斷在預(yù)設(shè)時間A內(nèi)，眼睛閉合和/或嘴巴張開的時間是否達到報警閾值A(chǔ)1、A2、A3，0＜A1＜A2＜A3＜A；若達到，則向車載中控臺發(fā)送報警指令；其中，本發(fā)明優(yōu)選預(yù)設(shè)時間A為300s，報警閾值A(chǔ)1為30s，報警閾值A(chǔ)2為150s，報警閾值A(chǔ)3為200s；同時，還可根據(jù)實際需求設(shè)計不同的閾值；

a、當(dāng)眼睛閉合和/或嘴巴張開的時間大于0且小于30s，則處理器不發(fā)送報警指令；

b、當(dāng)眼睛閉合和/或嘴巴張開的時間大于30s且小于150s，則處理器向車載中控臺發(fā)送振動模式1的報警指令，振動模式1為慢速振動；

c、當(dāng)眼睛閉合和/或嘴巴張開的時間大于150s且小于200s，則處理器向車載中控臺發(fā)送振動模式2的報警指令，振動模式2為中速振動；

d、當(dāng)眼睛閉合和/或嘴巴張開的時間大于200s且小于300s，則處理器向車載中控臺發(fā)送振動模式3的報警指令，振動模式3為快速振動。

S112、車載中控臺接收報警指令，控制振動反饋裝置振動，實現(xiàn)對駕駛員的提醒。

本發(fā)明提供基于雙目攝像頭的安全作業(yè)智能監(jiān)控系統(tǒng)及方法，通過將計算得到的眼睛、嘴巴關(guān)鍵距離與各自設(shè)定的閾值進行比較來判斷眼睛、嘴巴的閉合/張開狀態(tài)，若眼睛閉合、嘴巴張開則表明駕駛員處于疲勞狀態(tài)；并進一步在預(yù)設(shè)時間內(nèi)，通過檢測眼睛閉合、嘴巴張開的時間來判斷駕駛員是否處于疲勞駕駛，當(dāng)處于疲勞駕駛時，車載中控臺控制振動反饋裝置振動，實現(xiàn)對駕駛員的提醒；本發(fā)明對眼睛、嘴巴運動狀態(tài)的檢測精度高，通過振動反饋裝置實現(xiàn)振動提醒，從而從本質(zhì)上制止疲勞駕駛帶來的交通事故。

以上僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。