[发明专利]基于眼部和嘴部状态的疲劳驾驶检测方法

说明书

技术领域

本发明属图像处理和模式识别技术领域，具体涉及一种基于驾驶员的眼部和嘴部状态的疲劳检测方法。

背景技术

随着经济的迅速发展，汽车的数量在不断增加。汽车在给人类带来交通快捷方便的同时，也为交通安全埋下了隐患，驾驶员的疲劳驾驶是引发交通事故的一个重要因素。据数据统计，有20％的交通事故发生原因是疲劳驾驶，因此对驾驶员做出实时准确的疲劳警告尤为重要。

经过专家学者近几十年的研究，目前对驾驶员疲劳的检测方法主要有接触式和非接触式两类：

一.接触式，基于驾驶员生理特征的检测，这种方法需要在驾驶员的身体上加一些测量设备，来检测驾驶员的生理参数，比如心电图、脑电图、脉搏等。当驾驶员疲劳时，这些生理信号会发生变化，利用设备的测量值变化来判断是否疲劳。

二.非接触式，分为基于车辆行为特征的检测和基于驾驶员行为特征的检测两种方法。其中，①基于车辆行为特征的检测：驾驶员疲劳时，对车辆的驾驶控制能力就会降低。比如，当检测到方向盘长时间不动或变换频繁、车辆速度和转弯角度等异常时，驾驶员就很有可能处于疲劳状态。虽然这种方法不会干扰驾驶，但由于道路状况、驾驶员的驾驶习惯等不同，很难保证检测结果的准确性。②基于驾驶员行为特征的检测：通过检测驾驶员的眼睛闭合度、眨眼频率、头部位置等来判断驾驶员是否疲劳。当驾驶员处于疲劳状态时，最常见的生理行为反应就是眼睛长时间闭合、眨眼频率降低、眨眼周期变长、打哈欠，以及头部位置异常等，利用机器视觉检测上述生理反应，经处理识别就可判断驾驶员是否疲劳。

上述两类方法中，接触式的基于驾驶员生理特征的检测方法对检测设备的精度要求高、成本高，而且直接与驾驶员接触，会给驾驶带来干扰。非接触式类的基于车辆行为特征的检测方法虽然不会干扰驾驶，但由于道路状况、驾驶员的驾驶习惯等不同，很难保证检测结果的准确性。基于驾驶员行为特征的检测方法具有对驾驶员无干扰，准确性高而且成本低的优势，是应用最广泛的。这种方法通常是借助图像处理技术检测出人脸，然后提取眼睛，基于PERCLOS原理计算出单位时间内眼睛闭合时间所占的比例，通过与阈值比较来判断驾驶员是否疲劳。这种方法对眼睛的检测要求高，鉴于在人脸上眼睛所占的比例相对比较小，人眼的大小也有区别，而且判断元素单一，会造成疲劳判断结果不理想的情况。

发明内容

本发明的目的在于提供一种基于眼部和嘴部状态的疲劳驾驶检测方法，在以往疲劳检测方法的基础上加以改进和创新，使疲劳检测结果更为理想。

本发明的基于眼部和嘴部状态的疲劳驾驶检测方法，包括下列步骤：

1.采集驾驶员视频流，将视频流转换为帧图像；

2.进行图像的光照补偿预处理：用“参考白”算法首先检测图像中像素点的亮度，得到亮度值在前5％的像素，设置亮度值在前5％的像素点的灰度值均为255，然后依比例对图像的RGB三个分量进行线性调整，得到光照补偿后的图像；

3.检测人脸区域：对步骤2得到的光照补偿后的图像，基于肤色特征区分肤色点和非肤色点，得到肤色区域的二值图像，并对二值图像进行连通性分析的数学形态学处理；用投影法提取人脸区域；

4.设定眼部和嘴部特征初始标准值：假设驾驶员在进入驾驶室时处于清醒状态，对此刻获得的图像进行处理，将所得到的眼部状态和嘴部状态的初始值作为标准值并保存；

5.进行眼部区域的提取及特征分析：对步骤3得到的人脸区域二值图像进行水平和垂直投影，分割出包括眉毛在内的眼部区域，然后用此眼部区域特征进行状态分析，具体包括下列步骤：

5.1对步骤5得到的包括眉毛在内的眼部区域进行灰度处理，得到眼部区域的灰度图像，对此灰度图像像素点的x坐标求均值，得到图像像素点的水平平均强度，在均值图像上会出现两个明显的波谷，根据两个波谷之间距离差d的不同，来判断眼睛是睁开还是闭合，将初始图像处理得到的两个波谷之间的距离差d₀作为参考标准，若d-d₀大于所设定的阈值，则将眼睛判为闭合状态，否则为正常状态；

5.2眼睛疲劳判断：用k记录眼睛连续闭合的图像帧数，每检测到眼睛闭合时k加1，在k小于阈值的情况下，若检测到眼睛睁开，则将k初始化为0；在k大于阈值的情况下，说明此时不是眨眼，是眼睛疲劳，其中：k是整数型变量，用k来计数，k的初始值为0；

6.进行嘴部区域的提取及特征分析：对步骤3得到的人脸区域取下半部分，用下列数学表达式提取嘴部区域，然后用此嘴部区域特征进行状态分析，具体包括下列步骤：