[发明专利]一种基于面部特征融合的疲劳驾驶检测方法及系统

说明书

本发明涉及一种基于面部特征融合的疲劳驾驶检测方法及系统，属于疲劳驾驶检测技术领域。本发明首先通过精度较高的人脸检测算法对于采集的图像信息中的一帧图像进行面部区域定位，保证了人脸位置识别的准确性，然后以定位的面部区域为目标对其余各帧图像进行动态跟踪，以获取驾驶员的各帧图像的面部区域，在不继续采用精度高的人脸检测算法的基础上，利用耗时少的动态跟踪算法实现了对其他各帧图像的人脸位置识别，不仅能够准确检测人脸位置，提高疲劳驾驶的判断的准确性，还能保证检测算法的实时性。

技术领域

本发明涉及一种基于面部特征融合的疲劳驾驶检测方法及系统，属于疲劳驾驶检测技术领域。

背景技术

目前常用的疲劳驾驶检测方法主要有基于生理信息的方法、基于计算机视觉的方法和基于车辆行 驶行为变化的方法。基于生理信息的方法是疲劳驾驶中准确率最高的方法，通过脑电图 (Electroencephalogram,EEG)/心电图(electrocardiogram,ECG)/肌电图(electromyogram,EMG) 等生理信号可以及时准确的反映驾驶员疲劳程度，缺点是测量仪器昂贵且需要驾驭员佩戴在身体上， 对正常驾驶造成干扰，影响舒适感；基于车辆行驶行为的方法是非侵入性的对驾驶员正常驾驶不构成 干扰实用性强，缺点是正常驾驶行为与疲劳驾驶行为无法精确区分，与驾驶员个人驾驶习惯相关性较 高，同时路况的好坏也对检测精度存在极大地干扰，准确性不如基于生理信息的方法；基于计算机视 觉的方法通过眼部、嘴部、头部、表情等驾驶员面部特征进行疲劳驾驶检测准确性相对较高，成本低， 属于非侵入性检测方法，对正常驾驶不构成干扰，且实用性、接受性、舒适度都很高。

因此基于计算机视觉的方法的应用最为广泛，例如，长安大学的张恒提出了一种使用Adaboast 算法检测驾驶员人脸，使用灰度投影的方法进行人眼定位，Adaboast算法进行嘴巴定位，通过驾驶 员眼睛睁开程度、眨眼频率、哈欠检测三个指标进行疲劳驾驶检测。该方法虽然能够实现对人脸的定 位，但是在驾驶员佩戴眼镜、日光镜、光线变化、面部局部遮挡情况下，Adaboost无法准确的定位 到人脸位置，进而无法对疲劳驾驶进行准确判断。为此，有人提出采用精度更高的采用MTCNN算法进 行人脸检测，MTCNN人脸检测算法虽然能够在存在上述干扰的情况下准确地实现对人脸位置的检测， 但是该检测方法对硬件要求较高，且方法复杂，耗时较长，难以满足实时驾驶要求。

发明内容

本发明的目的是提供一种基于面部特征融合的疲劳驾驶检测方法及系统，以解决目前疲劳驾驶 检测过程中成本高、实时性不好。

本发明为解决上述技术问题而提供一种基于面部特征融合的疲劳驾驶检测方法，该检测方法包括 以下步骤：

1)实时采集驾驶员状态的图像信息；

2)利用人脸检测算法对所采集图像信息中的一帧图像进行面部区域定位，以定位的面部区域为 目标对其余各帧图像进行动态跟踪，以获取驾驶员的各帧图像的面部区域；

3)对获取的驾驶员各帧图像的面部区域进行面部特征点提取，得到包括眼睛和/或嘴巴面部特征 点的坐标；

4)根据得到面部特征点的坐标确定PERCLOS指标、眨眼频率和/或哈欠频率，根据眨眼频率和/ 或哈欠频率判断驾驶员的疲劳状态。

本发明还提供了一种基于面部特征融合的疲劳驾驶检测系统，该检测系统包括存储器和处理器， 以及存储在所述存储器上并在所述处理器上运行的计算机程序，所述处理器与所述存储器相耦合，所 述处理器执行所述计算机程序时实现本发明基于面部特征融合的疲劳驾驶检测方法。