[发明专利]利用相对覆盖元约简进行人脸疲劳状态识别的方法及系统

权利要求书

1.利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，包括以下步骤：

一、训练一个相对覆盖元分类器：

步骤1、获取视频摄录装置中视频图像的人脸视频帧；

步骤2、检测出每幅人脸视频帧中人脸核心区域；

步骤3、提取人脸核心区域的特征；

步骤4、基于每幅人脸视频帧中人脸的状态，对每帧图像进行类别标注；

步骤5、将人脸核心区域的特征结合对应的标注形成带标签的训练样本，并构成训练样本集合；

步骤6、对训练样本集合中每一个样本生成一个邻域覆盖元，并对邻域覆盖元所覆盖的样本进行计数；

以当前样本到最近异类样本的欧氏距离减去当前样本到最近同类样本的欧氏距离作为当前样本的覆盖元半径，如果此覆盖元半径小于0则置此覆盖元半径为0；或者采用当前样本到最近异类样本的距离作为当前样本的覆盖元半径；

步骤7、保留覆盖元半径大于0的邻域覆盖元，并记录半径大于0的邻域覆盖元的总数H；

步骤8、从所有邻域覆盖元中找到一个包含样本数目最多的邻域覆盖元产生规则(x_k,r(x_k),y)并加入规则集R中；

其中，表示样本x_k的邻域覆盖元(x_k,r(x_k),y)表示进行分类的规则；r(x_k)表示样本x_k的覆盖元半径；y是决策类别，表示人脸是否为疲劳状态；

步骤9、删除邻域覆盖元并将所覆盖的样本从其他各个邻域覆盖元中移除；

步骤10、当规则的数量小于预设的规则数量h时，返回执行步骤8，直到选出h条规则，形成相对覆盖元分类器；

二、对新获取的视频图像进行人脸疲劳状态识别：

步骤11、新获取视频并得到视频帧；

步骤12、检测出每帧图像中的人脸核心区域；

步骤13、提取人脸核心区域的特征；

步骤14、用训练过程得到的相对覆盖元分类器对提取的人脸核心区域的特征进行分类，从而识别出人脸疲劳状态，并进行疲劳驾驶预警的决策。

2.根据权利要求1所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤6中所述的邻域覆盖元如下：

其中，x_i,x_j分别表示不带类别标签的两个任意样本；U表示样本集；△(x_i,x_j)为距离函数，δ表示距离阈值。

3.根据权利要求2所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤6中所述的△(x_i,x_j)采用欧氏距离计算。

4.根据权利要求1、2或3所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤2中所述的检测出每幅人脸视频帧中人脸核心区域是通过Haar-like特征结合AdaBoost算法实现的。

5.根据权利要求4所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤3中提取人脸核心区域的特征所述的特征为纹理特征、局部统计特征或者局部描述特征。

6.根据权利要求5所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤3中所述的局部描述特征包括局部二值模式特征、方向梯度直方图特征或尺度不变特征转换特征。

7.根据权利要求6所述的利用相对覆盖元约简进行人脸疲劳状态识别的方法，其特征在于，步骤10所述的规则数量h小于等于覆盖元半径大于0的邻域覆盖元的数目H。

8.利用相对覆盖元约简进行人脸疲劳状态识别的系统，其特征在于，包括：

人脸核心区域检测模块，用于获取视频摄录装置中每帧视频图像，并在每帧视频图像中确定人脸核心区域；

人脸核心区域的特征提取模块，用于从已经获取的人脸核心区域上通过特征提取方法对人脸核心区域进行特征提取；

人脸状态标注模块，通过人机交互界面获取用户基于人脸状态对每帧视频图像的标注结果；

样本训练模块，基于邻域覆盖元约简算法对人脸核心区域的特征提取模块提取的特征和人脸状态标注模块中每帧视频图像的标注结果构成的带标签的训练样本集合进行训练，形成相对覆盖元分类器；

人脸疲劳状态识别模块，使用学习得到的相对覆盖元分类器对人脸核心区域提取的特征进行疲劳状态识别。