[发明专利]一种基于人眼状态的驾驶员疲劳检测方法及系统有效
申请号: | 201710430629.3 | 申请日: | 2017-06-09 |
公开(公告)号: | CN107292251B | 公开(公告)日: | 2020-08-28 |
发明(设计)人: | 徐文平;韩守东;李倩倩 | 申请(专利权)人: | 湖北天业云商网络科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 | 代理人: | 黄君军 |
地址: | 435102 湖北省黄石市大冶*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 状态 驾驶员 疲劳 检测 方法 系统 | ||
本发明公开了一种基于人眼状态的驾驶员疲劳检测方法及系统,结合人脸检测、人脸跟踪,确定驾驶员图像的眼部初步矩形范围,对于眼部初步矩形范围做预处理,利用轮廓查找和矩形拟合定位眼睛精确矩形范围图像,根据垂直投影判断一帧驾驶员图像中驾驶员是睁眼还是闭眼,根据连续的驾驶员图像中驾驶员均处于闭眼状态的连续帧数判断驾驶员眨眼还是眼睛持续闭合,并计算眨眼频率,从而判断驾驶员是否处于疲劳状态。有益效果:本发明对于驾驶员是否戴了眼镜以及光照强度的不同选择对眼睛初步矩形范围图像进行不同预处理,使得本发明的疲劳检测方法更加准确,鲁棒性更高;对于不同光照条件下都适用,实时性更高,检测速度更快。
技术领域
本发明涉及计算机视觉处理技术领域,尤其是涉及一种基于人眼状态的驾驶员疲劳检测方法及系统。
背景技术
疲劳检测(Fatigue Detecting)是通过监测人体各种疲劳特征,及时发现疲劳状态并给出预警信号,涉及到生理学、心理学、图像处理、运动跟踪、模式识别等多个领域,是一个复杂而又同时兼具理论与现实价值的研究课题。在较长时间的驾驶过程中,驾驶人的疲劳程度逐渐积蓄,由浅入深。假如可以利用技术手段对驾驶人的精祌状态进行实时检测,一旦有疲劳迹象出现,就即刻发出预警,那么安全行车系数将会得到有效的提高。
驾驶人疲劳状态的检测目前有较多研究的方法,按检测的类别可大致分为基于驾驶人生理信号的检测、基于驾驶人操作行为的检测、基于车辆状态信息的检测和基于驾驶人生理反应特征的检测等方法。其中,基于驾驶人生理反应特征的检测方法为非接触式检测,利用机器视觉来判断疲劳,测量过程不会对驾驶人的正常驾驶行为造成干扰,具有非常大的发展潜力。但是现有的检测分析人眼状态从而实现驾驶员疲劳状态检测的方法精确性不够、实时性不强。
发明内容
本发明的目的在于克服上述技术不足,提出一种基于人眼状态的驾驶员疲劳检测方法及系统,解决现有技术中的上述技术问题。
为达到上述技术目的,本发明的技术方案提供一种基于人眼状态的驾驶员疲劳检测方法,包括:
S1、实时获取驾驶员图像,并对驾驶员图像进行人脸检测,获取包含人脸的人脸矩形框,获取人脸矩形框中的眼睛初步矩形范围图像以及眼睛初步矩形范围图像在人脸矩形框中的坐标;
S2、获取一帧驾驶员图像的人脸矩形框后,对于后续驾驶员图像进行人脸跟踪,获取后续驾驶员图像的人脸矩形框;
S3、对于后续驾驶员图像的人脸矩形框,根据眼睛初步矩形范围图像在人脸矩形框中的坐标,获取后续驾驶员图像的眼睛初步矩形范围图像;
S4、对于S3获取的眼睛初步矩形范围图像先后进行裁剪和二值化的预处理;
S5、对S4中二值化后的眼睛初步矩形范围图像进行轮廓查找,并利用矩形拟合精确定位眼睛精确矩形范围图像,获取眼睛精确矩形范围图像在人脸矩形框中的坐标;
S6、根据眼睛精确矩形范围图像在人脸矩形框中的坐标从人脸矩形框中提取非二值化的眼睛精确矩形范围图像,并将提取的眼睛精确矩形范围图像进行二值化后形成睁闭眼判断图像,将睁闭眼判断图像向X轴进行垂直投影,通过垂直投影中黑色与白色像素的比例判断一帧驾驶员图像中驾驶员是睁眼还是闭眼;
S7、统计连续的驾驶员图像中驾驶员均处于闭眼状态的连续帧数,根据连续处于闭眼状态的帧数所处范围判断驾驶员是眨眼还是眼睛持续闭合,并计算眨眼频率;
S8、如果眨眼频率处于设定的正常范围之外,则判断驾驶员处于疲劳状态,如果驾驶员眼睛持续闭合,则判断驾驶员处于疲劳状态。
本发明还提供一种基于人眼状态的驾驶员疲劳检测系统,包括:
人脸检测模块:实时获取驾驶员图像,并对驾驶员图像进行人脸检测,获取包含人脸的人脸矩形框,获取人脸矩形框中的眼睛初步矩形范围图像以及眼睛初步矩形范围图像在人脸矩形框中的坐标;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北天业云商网络科技有限公司,未经湖北天业云商网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710430629.3/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于深度神经网络的步态识别方法
- 下一篇:一种自主学习的身份识别方法