[发明专利]一种列车驾驶员实时盹睡检测装置及检测算法

说明书

本发明提供了一种基于深度学习的列车驾驶员盹睡检测算法，具体包括以下步骤：步骤1、首先从摄像头采集一帧驾驶员的面部图像，采用LBP提取局部二值特征获取人脸区域；步骤2、利用随机森林和全局线性回归相结合的方法确定人脸关键点，其中包括眼睛、鼻子、嘴部位置；步骤3、将获得的眼部区域图像输入到训练好的卷积神经网络模型进行分类，得到眼睛状态；步骤4根据眼睛的睁闭状态，依据PERCLOS的P80测量方法，结合眨眼频率计算出疲劳程度；步骤5、当判断为疲劳状态后触发报警器进行报警，从而在盹睡状态下警示驾驶员。本发明的列车驾驶员实时盹睡检测装置及检测算法具有检测速度快、判断精度高、稳定性强的特点。

技术领域

本发明涉及一种列车驾驶技术，尤其涉及一种列车驾驶员实时盹睡检测装置及检测算法。

现有技术

铁路作为常见交通工具，具有运输量巨大、速度较快、运输距离长等特点。随着各地区之间的铁路数量和运输距离的快速增长，列车驾驶员疲劳检测对提高长时间驾驶安全性具有重要意义。

目前，在疲劳检测领域，疲劳检测研究方法可分为两大类，一类是从驾驶员自身特征出发检测是否有疲劳产生；另一类是根据车辆的行为表现间接判断驾驶员是否产生疲劳。基于车辆行为的疲劳检测方法，是从驾驶员对车辆的操控情况去间接判断是否有疲劳发生。该类方法是用线路跟踪或结合驾驶车辆与前车的距离等车辆行为表现出的状态进行疲劳检测。由于驾驶员驾驶行为差异以及光线、路面等驾驶环境差异大，测量的信息并不可靠。

目前的疲劳检测方法基本都是基于驾驶员的疲劳检测技术。通过摄像机，采集驾驶员面部的视频图像，进行分析，计算出头部姿态、眼睛睁闭频率等特征量，推测驾驶员的疲劳程度。这一技术思路具备非接触，不需特殊传感器，成本低等优点，受到广泛的关注。目前已有的基于视频分析的检测疲劳方法，大多数采用OpenCV技术设计，利用AdaBoost算法对驾驶员脸部进行检测，求出驾驶员脸部区域图垂直方向的梯度矩阵，并对梯度矩阵进行水平投影，通过驾驶员脸部的结构特征获取眼睛在图像中的相对位置，依据距离对眼睛开闭进行确足。然后根据PERCLOS测量原理求出驾驶员眼睛各个状态的参数，最后通过各指标和既足阈值的关系来判断驾驶员是否处于疲劳驾驶状态。该方法在光照条件变化、佩戴眼镜、头部偏转角度变化等情况下检测精度有所下降。并且对于火车而言，由于驾驶员活动空间大，头部姿态变化大，且有可能离开座位。因此已有的疲劳检测技术直接应用，一般的双眼定位技术难以在大角度变化的人脸上取得好的效果，很多时候眼睛位置定位错误，因此，实际在火车上测得的准确率非常低，达不到应用的最低要求。

发明内容

本发明的目的是提供一种检测速度快、判断精度高、稳定性强的列车驾驶员实时盹睡检测装置及检测算法。

本发明的技术方案是提供了一种基于深度学习的列车驾驶员盹睡检测装置，包括图像处理模块，神经网络分类模块和评估示警模块，其特征在于其特征在于：

图像处理模块主要包含人脸区域检测单元和人脸关键点定位单元；人脸区域检测单元采用广角摄像头，视频中每帧图像包括人脸区域，也包括非人脸区域；人脸区域检测单元从视频图像中识别人脸所在的区域，用矩形框等进行标记；人脸关键点定位单元采用随机森林和全局线性回归相结合的方法对人脸关键点进行检测；

神经网络分类模块用于分类上述图像处理模块产生的眼部图像；采用卷积神经网络模型，把特征提取这一过程作为一个自适应、自学习的过程，通过机器学习找到分类性能最优的特征；

评估示警模块用于将上述神经网络分类模块的分类结果与时间序列结合，对列车驾驶员驾驶状态进行预测。