[发明专利]一种基于人脸特征的疲劳驾驶检测方法

说明书

本发明公开一种基于分析人脸特征的疲劳驾驶检测方法，包括有K‑L算法进行人脸图像分割以及主要器官的定位，采用积分投影法对眼部进行定位分析，使用改进的“三庭五眼”方法对嘴部进行定位，接着对头部区域的特征向量提取，对头部动态进行分析，综合考虑驾驶员是否为疲劳驾驶。其特征在于昼夜使用无阻碍，多方面数据分析判定驾驶者驾驶状态更加准确。

技术领域

本发明涉及机器视觉领域，具体一种基于分析人脸特征的疲劳驾驶检测方法。

背景技术

疲劳驾驶是造成交通事故的主要原因之一，由世界卫生组织(World HealthOrganization,WHO)发布的调查结果显示，疲劳驾驶引起的交通事故接近百分之四十，疲劳驾驶的检测与防范已经越来越重要，受到许多人的关注。

近些年许多检测疲劳驾驶的技术出现，大都是基于人脸识别，或是单一的眼部或嘴部的检测。其检测手段单一，对于检测的结果准确性不高，为了增加其检测准确性，根据疲劳状态下的研究，本发明基于眼部状态和嘴部状态，以及头部角度共同检测驾驶者的状态，以此判断是否提醒驾驶者避免疲劳驾驶。

发明内容

针对现有检测方法的不足造成检测结果鲁棒性差，本发明结合多角度数据进行疲劳检测，其目的在于针对疲劳驾驶有准确性的警报，为了更好的检测，本发明采用红外人脸检测方法，即使夜间驾驶，本发明依旧有检测效果。

本发明基于K-L人脸识别算法的近红外线人脸检测，使用积分投影法进行眼部定位，采用PERCLOS准则判定疲劳程度。

基于“三庭五眼”改进其方法对嘴部进行提取，分别对眼部和嘴部的闭合程度、眨眼时长及哈欠分析进行驾驶者的疲劳判定，结合头部状态的分析，综合判定是否发出警告声或警报提醒驾驶者停车休息。

为实现上述目的，本发明采用以下技术方案：

1采用红外线摄像头采集视频图像，受外部条件(例如天气、光照、时间等)影响，先对图像进行预处理，主要涉及灰度变换、中值滤波等。

2运用K-L算法进行人脸图像的分割以及主要器官的定位，先对人脸图像进行图形归一化处理，以此达到图像位置校准及灰度归一。然后把归一化的样本图像作为样本的训练集，用该样本集的总体散步矩阵为产生矩阵。即：

∑＝E{(x-u)(x-u)^T}；

或：

其中：x_i为第i个训练样本的图像向量，u为样本训练集的平均图向量， M为训练样本的总数。为了简单的得到N²×N²维矩阵Σ的特征值与正交归一的特征向量，引用奇异值分解定理，求出图像特征向量后，其对应的特征向量在图像中有一个点，这个点对应图像的空间的点，形成特征人脸，图像上就有了人脸的坐标。

3积分投影法对图像垂直方向和水平方向进行投影，根据眼睛区域的灰度值分布特点，其水平与垂直方向的灰度值是变化的，会产生波峰和波谷，以此确定眼睛在图像空间中的位置。

如：一张H×L的图像，其垂直投影和水平投影的计算公式如下所示：

其中，F_v为垂直积分投影，F_k为水平积分投影，(x，y)表示像素点，I (x,y)为点的灰度值，H和L分别代表图像行与列的像素点个数。

4嘴巴的形状和嘴唇的灰度值以及边缘特征对嘴部进行区域定位，正常遵循“三庭五眼”，嘴巴区域处于下1/3庭，1/5眼之间，打哈欠时，嘴巴张开类似一个圆形，通过Hough变换进行检测。嘴唇颜色较深，颜色明显。为了增加准确性，改进“三庭五眼”标准，改为下庭1/3至2/3，1/5至3/5区域。