基于計(jì)算機(jī)視覺的疲勞駕駛檢測專利分析

李海龍　劉明進(jìn)

摘 要 對基于計(jì)算機(jī)視覺的疲勞駕駛檢測領(lǐng)域的專利申請趨勢、專利申請產(chǎn)出國和申請人分布進(jìn)行了統(tǒng)計(jì)分析，重點(diǎn)針對基于人眼、基于人臉、基于嘴巴的疲勞駕駛檢測這三個(gè)技術(shù)分支的發(fā)展脈絡(luò)進(jìn)行了梳理，并對基于計(jì)算機(jī)視覺的疲勞駕駛檢測的發(fā)展趨勢進(jìn)行了分析。

關(guān)鍵詞 疲勞駕駛 人眼、人臉 嘴巴 專利

中圖分類號：C18 文獻(xiàn)標(biāo)識碼：A

0引言

造成交通事故的原因25%-30%產(chǎn)生于疲勞駕駛，因此疲勞駕駛已成為誘發(fā)交通事故的重要因素。國內(nèi)外專家和學(xué)者針對疲勞駕駛的檢測開展了大量的研究工作，目前研究的重心主要集中在基于計(jì)算機(jī)視覺的疲勞駕駛檢測，因此對基于計(jì)算機(jī)視覺的疲勞駕駛檢測的相關(guān)專利進(jìn)行分析尤為必要。

1基于計(jì)算機(jī)視覺的疲勞駕駛檢測專利申請數(shù)據(jù)分析

1.1全球?qū)＠暾埩口厔?/p>

從圖1可以看出，基于計(jì)算機(jī)視覺的疲勞駕駛檢測專利申請量從1990-2001年間處于技術(shù)研發(fā)初期，專利申請量相對較少。從2002年開始該領(lǐng)域的專利申請量逐漸呈現(xiàn)持續(xù)增長趨勢，并在2014年達(dá)到最大值153件。由此可知，隨著疲勞駕駛的增多，人們對疲勞駕駛的檢測也越來越重視，相應(yīng)的研究也正不斷增加。基于此，在今后的一段時(shí)間內(nèi)，相關(guān)的專利申請量有望繼續(xù)保持。

1.2專利申請產(chǎn)出地區(qū)分布

目前各領(lǐng)域的專利申請量主要集中在中國、美國、韓國、日本和歐洲，通過對該領(lǐng)域在中國、美國、韓國、日本和歐洲的專利申請量進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，中國的申請量以48%的占比雄居第一，其他幾個(gè)地區(qū)的申請量相差不大，具體如圖2所示。

1.3在華專利申請量變化趨勢

圖3為1990年至2014年基于計(jì)算機(jī)視覺的疲勞駕駛檢測在華的申請量變化趨勢圖，由該圖可以看出，1990-2002年是技術(shù)的萌芽期，在2003年以后申請量才呈現(xiàn)逐年增長的趨勢，并且在2012年-2014年將均維持在較高的申請量。因此，該領(lǐng)域國內(nèi)雖然起步較晚，但是最近幾年申請量相對其他地區(qū)卻具有壓制性的優(yōu)勢。

1.4在華主要申請人分析

圖4展示了在華主要申請人的申請量份額，主要以科研院所和大型汽車企業(yè)為主，其中吉利汽車公司以領(lǐng)先優(yōu)勢排名第一。

2主要技術(shù)分支的專利申請分析

基于計(jì)算機(jī)視覺的疲勞駕駛檢測的主要技術(shù)分支有：基于人眼的駕駛疲勞檢測、基于人臉的駕駛疲勞檢測、基于嘴巴的疲勞檢測。下面從三個(gè)技術(shù)分支的發(fā)展概況、三個(gè)技術(shù)分支的主要工作原理及重點(diǎn)專利等方面進(jìn)行分析。

2.1全球?qū)＠暾堉饕夹g(shù)分支的申請量趨勢圖

由圖6可知，近年來基于人眼和人臉的駕駛疲勞檢測的申請量呈現(xiàn)較快增長，申請量也較基于嘴巴的疲勞檢測的申請量大，體現(xiàn)了該領(lǐng)域近年來的發(fā)展趨勢，并體現(xiàn)出基于人眼和人臉的駕駛疲勞檢測的技術(shù)分支發(fā)展已較為成熟。三個(gè)技術(shù)分支在2006年之前，申請量的差別不大且數(shù)量均較小，顯示出在2006年以前三個(gè)分支的區(qū)別并不明顯，發(fā)展也較為緩慢，這說明基于計(jì)算機(jī)視覺的疲勞駕駛檢測也是近10年才興起的一項(xiàng)技術(shù)，它依賴于圖像處理技術(shù)的發(fā)展水平。

2.2在華專利申請主要技術(shù)分支的申請量趨勢圖

由圖7可知，三個(gè)技術(shù)分支在2006年以前均只有零星的申請量，這與該領(lǐng)域在全球的發(fā)展情況相符合，基于人眼的疲勞駕駛檢測在華申請量自2006年以來呈現(xiàn)穩(wěn)步增長，且近年來申請量最大?；谌四樀钠隈{駛檢測申請量雖小于基于人眼的疲勞駕駛檢測，但近年來的申請量也呈現(xiàn)出穩(wěn)步增長的勢頭。然而，基于嘴巴的疲勞駕駛檢測雖有增長趨勢，但申請量一直都較小。由此可知，在國內(nèi)疲勞駕駛的檢測主要是采用人眼檢測和人臉檢測，這兩個(gè)分支是國內(nèi)的研究的熱門，也是今后國內(nèi)在該領(lǐng)域的發(fā)展趨勢。

3結(jié)語

通過對基于計(jì)算機(jī)視覺的疲勞駕駛檢測專利的申請量的總體分析，以及基于人眼、基于人臉、基于嘴巴三個(gè)技術(shù)分支的申請量趨勢分析可知，基于計(jì)算機(jī)視覺的疲勞駕駛檢測在近10年取得了較快發(fā)展，這與計(jì)算機(jī)圖像處理技術(shù)的發(fā)展密不可分；同時(shí)，科研院所作為該領(lǐng)域研究的主體，應(yīng)加強(qiáng)與中小企業(yè)的合作。國內(nèi)疲勞駕駛的檢測研究主要集中在人眼檢測和人臉檢測，這兩個(gè)分支是國內(nèi)的研究的熱門，同時(shí)，基于人眼的疲勞檢測其發(fā)展方向明確，后續(xù)發(fā)展將集中在眼睛定位算法的研究上，并且定位精度將越來越高，越來越滿足實(shí)際的要求。

參考文獻(xiàn)

[1] 朱淑亮.基于視頻圖像分析與信息融合的駕駛員疲勞檢測技術(shù)研究[J].濟(jì)南：山東大學(xué)，2011.

[2] 劉學(xué).基于人臉圖像分析的疲勞駕駛檢測方法研究[J].南京：南京航空航天大學(xué)，2012.

[3] 張靈聰，王正國，朱佩芳，等.汽車駕駛疲勞研究綜述[J].人類工效學(xué)，2003.

[4] 成二康.眼睛狀態(tài)參數(shù)圖像檢測及其在瞌睡監(jiān)測中的應(yīng)用[J].中國科學(xué)技術(shù)大學(xué).2009.

[5] 陸曉.基于圖像處理的疲勞駕駛檢測技術(shù)的研究[J].廣州：廣東工業(yè)大學(xué)，2013.