李海龍　劉明進(jìn)

摘 要 對(duì)基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)領(lǐng)域的專(zhuān)利申請(qǐng)趨勢(shì)、專(zhuān)利申請(qǐng)產(chǎn)出國(guó)和申請(qǐng)人分布進(jìn)行了統(tǒng)計(jì)分析，重點(diǎn)針對(duì)基于人眼、基于人臉、基于嘴巴的疲勞駕駛檢測(cè)這三個(gè)技術(shù)分支的發(fā)展脈絡(luò)進(jìn)行了梳理，并對(duì)基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)的發(fā)展趨勢(shì)進(jìn)行了分析。

關(guān)鍵詞 疲勞駕駛 人眼、人臉 嘴巴 專(zhuān)利

中圖分類(lèi)號(hào)：C18 文獻(xiàn)標(biāo)識(shí)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(guó)內(nèi)外專(zhuān)家和學(xué)者針對(duì)疲勞駕駛的檢測(cè)開(kāi)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(jué)的疲勞駕駛檢測(cè)，因此對(duì)基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)的相關(guān)專(zhuān)利進(jìn)行分析尤為必要。

1基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)專(zhuān)利申請(qǐng)數(shù)據(jù)分析

1.1全球?qū)＠暾?qǐng)量趨勢(shì)

從圖1可以看出，基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)專(zhuān)利申請(qǐng)量從1990-2001年間處于技術(shù)研發(fā)初期，專(zhuān)利申請(qǐng)量相對(duì)較少。從2002年開(kāi)始該領(lǐng)域的專(zhuān)利申請(qǐng)量逐漸呈現(xiàn)持續(xù)增長(zhǎng)趨勢(shì)，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(duì)疲勞駕駛的檢測(cè)也越來(lái)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(zhuān)利申請(qǐng)量有望繼續(xù)保持。

1.2專(zhuān)利申請(qǐng)產(chǎn)出地區(qū)分布

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

1.3在華專(zhuān)利申請(qǐng)量變化趨勢(shì)

圖3為1990年至2014年基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)在華的申請(qǐng)量變化趨勢(shì)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(qǐng)量才呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)，并且在2012年-2014年將均維持在較高的申請(qǐng)量。因此，該領(lǐng)域國(guó)內(nèi)雖然起步較晚，但是最近幾年申請(qǐng)量相對(duì)其他地區(qū)卻具有壓制性的優(yōu)勢(shì)。

1.4在華主要申請(qǐng)人分析

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

2主要技術(shù)分支的專(zhuān)利申請(qǐng)分析

基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)的主要技術(shù)分支有：基于人眼的駕駛疲勞檢測(cè)、基于人臉的駕駛疲勞檢測(cè)、基于嘴巴的疲勞檢測(cè)。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(zhuān)利等方面進(jìn)行分析。

2.1全球?qū)＠暾?qǐng)主要技術(shù)分支的申請(qǐng)量趨勢(shì)圖

由圖6可知，近年來(lái)基于人眼和人臉的駕駛疲勞檢測(cè)的申請(qǐng)量呈現(xiàn)較快增長(zhǎng)，申請(qǐng)量也較基于嘴巴的疲勞檢測(cè)的申請(qǐng)量大，體現(xiàn)了該領(lǐng)域近年來(lái)的發(fā)展趨勢(shì)，并體現(xiàn)出基于人眼和人臉的駕駛疲勞檢測(cè)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(qǐng)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(shuō)明基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)也是近10年才興起的一項(xiàng)技術(shù)，它依賴(lài)于圖像處理技術(shù)的發(fā)展水平。

2.2在華專(zhuān)利申請(qǐng)主要技術(shù)分支的申請(qǐng)量趨勢(shì)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(qǐng)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(cè)在華申請(qǐng)量自2006年以來(lái)呈現(xiàn)穩(wěn)步增長(zhǎng)，且近年來(lái)申請(qǐng)量最大?；谌四樀钠隈{駛檢測(cè)申請(qǐng)量雖小于基于人眼的疲勞駕駛檢測(cè)，但近年來(lái)的申請(qǐng)量也呈現(xiàn)出穩(wěn)步增長(zhǎng)的勢(shì)頭。然而，基于嘴巴的疲勞駕駛檢測(cè)雖有增長(zhǎng)趨勢(shì)，但申請(qǐng)量一直都較小。由此可知，在國(guó)內(nèi)疲勞駕駛的檢測(cè)主要是采用人眼檢測(cè)和人臉檢測(cè)，這兩個(gè)分支是國(guó)內(nèi)的研究的熱門(mén)，也是今后國(guó)內(nèi)在該領(lǐng)域的發(fā)展趨勢(shì)。

3結(jié)語(yǔ)

通過(guò)對(duì)基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)專(zhuān)利的申請(qǐng)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(qǐng)量趨勢(shì)分析可知，基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)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(guó)內(nèi)疲勞駕駛的檢測(cè)研究主要集中在人眼檢測(cè)和人臉檢測(cè)，這兩個(gè)分支是國(guó)內(nèi)的研究的熱門(mén)，同時(shí)，基于人眼的疲勞檢測(cè)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(lái)越高，越來(lái)越滿(mǎn)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(cè)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(cè)方法研究[J].南京：南京航空航天大學(xué)，2012.

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

[4] 成二康.眼睛狀態(tài)參數(shù)圖像檢測(cè)及其在瞌睡監(jiān)測(cè)中的應(yīng)用[J].中國(guó)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(cè)技術(shù)的研究[J].廣州：廣東工業(yè)大學(xué)，2013.