[发明专利]基于脸部特征点定位的疲劳状态检测方法

权利要求书

1.基于脸部特征点定位的疲劳状态检测方法，其特征在于，包括以下步骤：

(a)数据录入阶段，用户根据提示，进行初始疲劳检测初始化数据录入，待人脸稳定后读入稳定后的视频前M帧，作为初始化帧集；

(b)初始化阶段，对初始化帧集内的所有帧图像，统计人脸与人眼部的特征信息，并进行初始化工作，确定人脸位置搜索范围和人脸大小范围，前M帧眼部区域的平均灰度值为用户眼部平均灰度值GRAY_EYE₀，更新眼部区域平均灰度值GRAY_EYE′为GRAY_EYE₀；

(c)闭眼检测阶段，对摄像头输入的每一帧图片通过特征点定位与二值化处理的方式进行闭眼检测；所述步骤(c)包括下述步骤：

(c-1)在SEARCH_RECT的矩形范围内进行人脸检测，当人脸检测不到时，提示人脸检测异常；当人脸可以检测到时，选取其中的最大人脸，记为用户本阶段人脸矩形；

(c-2)统计用户本阶段人脸矩形的平均灰度值，记为G_f(t)；

(c-3)对用户本阶段人脸矩形进行脸部特征点定位，定位出左右眼瞳孔位置，鼻尖位置，左右嘴角位置；

(c-4)统计以左右眼瞳孔为中心，半径为R的两个圆形区域内的灰度值，并进行二值化处理，二值化的阈值为G_f(t)，并设二值化后的，眼部区域的平均灰度值为G_e(t)；

(c-5)当时可判断为闭眼，则闭眼函数C(t)＝1否则C(t)＝0；

(d)疲劳检测阶段，根据当前帧的闭眼情况与前面几帧的闭眼情况做出疲劳判断，并进行提醒，具体为：

(d-1)设目前时间点距算法初始化所经过的时间为t帧，目前时间点的用户疲劳程度为Tired(t)；

(d-2)使用一维加权的方式确定，目前时间点用户的疲劳程度：

(e)新阶段，统计已经流逝的时间，以N分钟为时间间隔，保存每分钟按设定的时间间隔选取的5张图像，并在这N分钟结束时根据该时间段内的M帧图像进行权值更新。

2.根据权利要求1所述基于脸部特征点定位的疲劳状态检测方法，其特征在于，所述步骤(a)包括下述步骤：

(a-1)根据提示，将摄像头放置在最靠近用户的位置，确保摄像头中检测到的最大人脸为用户的人脸，并在用户表情自然的情况下，输入视频；

(a-2)对输入视频每10帧图像，选取一个样本，当相邻样本中人脸框的中心值变化小于人脸框边长的20％时，判定人脸状态移动范围较小，此时，录入连续25帧的图像，作为初始化帧集。

3.根据权利要求1所述基于脸部特征点定位的疲劳状态检测方法，其特征在于，所述步骤(e)包括下述步骤：

(e-1)遍历更新用的M帧图像，统计用户人脸的其平均宽度W_u和高度H_u，以及其平均灰度值GRAY_FACE_u，检测前M帧中用户人脸的脸部特征点，确定用户左右眼瞳孔位置，并求平均得到瞳孔平均距离；

(e-2)根据用户瞳孔平均距离，与人脸矩形框的大小，确定更新后的圆形人眼近似区域半径R_u，并计算近似区域内的眼部灰度值，对前M帧的圆形人眼近似区域，进行二值化处理，二值化的阈值为GRAY_FACE_u，统计进行二值化后的，前M帧眼部区域的平均灰度值为用户眼部平均灰度值GRAY_EYE_u；

(e-3)将算法的人脸检测框的最低检测宽度更新为0.7W_u，最低检测长度更新为0.7H_u，更新人脸检测的搜索范围，以用户人脸检测框的中心为中心，宽度为2W_u，高度为2H_u；

(e-4)更新眼部区域平均灰度值GRAY_EYE′为GRAY_EYE_u。

4.根据权利要求1-3中任一项所述基于脸部特征点定位的疲劳状态检测方法，其特征在于，所述M为25，所述N为5。