[发明专利]一种基于人脸特征检测疲劳驾驶的方法

说明书

一种基于人脸特征检测疲劳驾驶的方法，涉及一种人工智能检测疲劳驾驶的方法。本发明对眼睛与嘴部特征联合检测可判断驾驶员的疲劳状态，避免了因佩戴眼镜而无法进行准确检测。检测方法：一、图像采集；二、图像处理；三、基于改进的Adboost算法分类器进行人脸定位；四、检测到人脸进行下一步，未检测到人脸进行步骤一；五、人脸特征识别；六、疲劳状态判定。本发明与传统监测方法相比联合运用眼睛与嘴部状态进行疲劳状态的特征提取，提高了判断的准确性、降低了疲劳驾驶检测的误判几率。

技术领域

本发明涉及一种人工智能检测疲劳驾驶的方法。

背景技术

交通安全是目前世界所面临的一个重要问题，相关研究表明，交通事故在人类非自然死亡中所占的比例最大，许多人因此而失去了宝贵的生命，并给国家的经济带来了很大的负面影响。为了解决由疲劳驾驶引发的一系列问题，在国内外许多专家和学者的努力下，出现了许多新颖有效的方法。如今，疲劳检测算法基本可以分为两大类，即客观和主观两类。主观方面大部分是由驾驶员自己感觉或者是由他人观察来对实时的状态进行判断，但由于个人体质差异以及观察的仔细程度等，没有统一的标准，无法保证正确率，通常只用作检测的辅助手段。客观方面的研究是疲劳检测算法研究的重点。客观方面的研究主要是对于驾驶员的一些内在及外在的指标进行测试，研究主要分为以下3种方法：(1)采用传感器对驾驶员的生理指标进行监视，如心电图，呼吸的频率，心脏跳动的频率等。(2)采用机器视觉技术对驾驶员的外部变化进行监测，比如打哈欠，眼睛闭合等。(3)采用车载传感器对车辆的行驶特征以及驾驶员的行为进行监测，例如车速，转向快慢，刹车速度等。这些方法虽均能达到一定的检测效果，但大多未考虑到驾驶员戴眼镜的情况，且一般仅针对眼睛或嘴部单一部位进行检测与识别，特别是采用机器视觉技术根据驾驶员的外部特征变化进行监测的技术手段，容易导致检测效果不如人意，存在误判、准确性低的缺陷。

发明内容

本发明对眼睛与嘴部特征联合检测可判断驾驶员的疲劳状态，避免了因佩戴眼镜而无法进行准确检测，本发明与传统监测方法相比联合运用眼睛与嘴部状态进行疲劳状态的特征提取，提高了判断的准确性、降低了疲劳驾驶检测的误判几率。

本发明基于人脸特征检测疲劳驾驶的方法按以下步骤进行：

一、图像采集；

二、图像处理：采用自适应中值滤波法对采集的图像进行去噪、并采用自适应阈值法对采集的图像进行光照均衡；

三、基于改进的Adboost算法分类器进行人脸定位；其中仅在样本的权值比此时的更新阈值小，并且此样本被分类不正确的情况下权值才会做出相应的调整，增加权重；除此之外，权重将会被缩小；

四、检测到人脸进行下一步，未检测到人脸进行步骤一；

五、人脸特征识别

5.1人眼定位：Gaboreye模型结合辐射对称算法定位眼睛所在位置；

5.2人眼状态判别：采用Ostu法将选取图像处理为灰度直方图，以背景和目标的类间方差的取值端点作为对阈值选取依据，以二值化后图像中白色像素的数目作为眼睛的面积，眼睛处于睁开状态，眼睛区域中白色像素的数目远远多于眼睛闭合时白色像素的数目；利用眼睛最大面积对驾驶员某一时刻的眼睛面积进行归一化，归一化公式为

其中，current_area为白色像素区域面积，max_area为眼睛最大面积；若A>0.6，眼睛是睁开的；若A≤0.6，则判定眼睛为闭合状态；

5.3嘴部粗检：以嘴巴在脸部区域中分布的几何规则，由公式选择矩形部分；其中(x_face,y_face)代表提取人脸的矩形的左上角的坐标，(x_m0,y_m0)代表提取的嘴巴部分的左上角的坐标，W_mouth代表嘴部粗检部分的宽度，H_mouth代表嘴部粗检部分的高度；