[发明专利]基于面部朝向和视觉焦点的驾驶安全监测系统

说明书

技术领域

本发明涉及一种驾驶安全检测系统。

背景技术

现代社会，人们生活水平有了大幅提高，汽车的拥有率逐年上升，随之而来的安全隐患也越来越严重。交通隐患很大程度上是由驾驶疲劳引起的，而对疲劳状况监测有利用生理特征或利用驾驶员驾驶行为监测的，但它们会对驾驶员的身体产生不适并且易受路况等环境因素的影响。近几年一种基于人脸或人眼特征的方法被用来监测驾驶员疲劳或注意力分散，由于其简捷性、干扰性少以及实时性等优点，逐渐成为研究的热点。

在人脸和人眼检测方面，目前已有多项研究，但都存在很多不足之处。

有的研究只限于单一特征，不可靠。例如作者为张明恒，2007年公开的名称为基于面部朝向的驾驶员精神分散监测方法研究的吉林大学交通学院学位论文，采用面部轮廓相似于椭圆的事实，在面部边缘点检测基础上利用边缘链码组对面部轮廓线进行拟合，以面部特征区域(眼睛、嘴巴等)相对于轮廓线的位置变化作为特征量，利用BP神经网络对面部朝向估计问题进行了深入研究。但其未对疲劳状况最重要的特征——眼睛作出分析。再例如作者为徐璐，2008公开的名称为基于眼睛检测与视线估计的驾驶员疲劳检测的南京理工大学学位论论，采用虹膜、角点、眼睑等特征定位并建模判断视线方向，但需要面部的精确定位，并且头部只能轻微摆动，跟踪效果也不好，还可能受反射光的影响。而对眼睛这一单一特征进行监测，也有失准确。

有的研究虽然基于多特征，如专利申请号为CN03148524.3的中国发明专利，发明名称为基于多特征融合的困倦驾驶检测方法，采用眼睑闭合速度、闭眼持续时间和面部方向三个特征的困倦驾驶检测方法，但其有两点不足：1、头部偏转判断过于粗糙，其采用0-1判断，即要么偏转要么不偏转；2、眼睛检测采用传统perclos法判断，但perclos法不能判断出视线偏转状况下的驾驶员注意力分散，比如驾驶员实现偏转30度时，虽然perclos法检测出人眼仍然是睁开的，但其已经不再正视前方，属于注意力分散状况。

发明内容

为了克服已有驾驶安全检测系统的抗干扰能力弱、准确性差的不足，本发明提供一种抗干扰能力强、准确性高的基于面部朝向和视觉焦点的驾驶安全监测系统。

本发明解决其技术问题所采用的技术方案是：

一种基于面部朝向和视觉焦点的驾驶安全监测系统，包括用于采集驾驶员头部图像的视觉传感器和用以根据头部图像进行安全检测的智能处理器，所述智能处理器包括：

图像采集模块，用于采集视觉传感器发送过来的驾驶员头部图像；

肤色区域检测模块，用以将RGB彩色空间转换为YCrCb彩色空间，得到整幅图像的Cr、Cb情况并判断出肤色区域；

边缘提取模块，用于采用Canny算子进行边缘提取，得到头部图像轮廓；

眼睛检测模块，用于对边缘化的人脸进行Hough变换，定位眼睛；

人脸朝向分析模块，用于确定嘴部区域，定位嘴巴，并以眼睛和嘴巴为基准，分别计算人脸左右面积，并计算人脸左右面积比；驾驶员安全驾驶判定模块，用于根据预设的人脸左右面积比区间，如计算得到的当前人脸左右面积比处于预设区间外，判定处于非安全驾驶状态，发出告警指令。

作为优选的一种方案：所述智能处理器还包括：视觉焦点判断模块：在所得人脸图像中，根据定位的眼睛，同眼睛角点位置作比较，计算瞳孔中心偏移量，并将此偏移量占眼部总长度的比例，得到瞳偏距系数；在所述驾驶员安全驾驶判定模块中，预设瞳偏距系数的阈值范围，当判定计算得到的当前人脸左右面积比处于所述区间后，再判断当前的瞳偏距系数是否落入所述阈值范围，如果位于所述域值范围外，则判定驾驶员处于非安全驾驶状态，发出告警指令。

进一步，所述边缘提取模块中，通过查找图像梯度的局部最大值的方法来得到边缘信息，具体有：

(1)首先用2D高斯滤波模板对整个图像进行卷积以消除噪声。

(2)利用微分算子(比如，Prewitt算子、Kirsch算子等)得到各像素灰度的梯度值：