[发明专利]一种基于人眼睁闭状态的疲劳检测方法

摘要

一种基于人眼睁闭状态的疲劳检测方法，属于图像处理与模式识别技术领域。首先，将肤色样本转换到HSV空间，用高斯模型训练得出肤色相似度图像模型；之后将待测图像在此模型下转换成肤色相似图像；利用基于信息熵所改进过的主动轮廓模型提取边缘，划分出人眼轮廓线；疲劳状态识别以得到的人眼轮廓为基础，同PERCLOS的P80准则相结合，统计单位时间段内的眼睛睁闭程度，从而判定是否疲劳。本方法从人眼的轮廓形状上识别人眼的睁闭眼状态，从单位时间人眼睁闭眼状态的统计信息判断出是否处于疲劳状态，具有较强的准确性和实时性，适用于针对长时间保持一种工作姿势的工作人员工作状态的检测，尤其适用于驾驶员驾驶过程中是否疲劳的检测。

主权项

1.一种基于人眼睁闭状态的疲劳检测方法，包含以下步骤：步骤1：建立用户肤色图像数据库；用户肤色图像数据库应含有数幅均匀光照下包含用户眼睛周围皮肤的、彩色的用户人眼样本图像，其中每张样本图像大小均为M×N的矩形；步骤2：基于高斯肤色模型，将用户肤色图像数据库的样本图像转换到HSV空间，则样本图像X_i表式为：X_i＝(H_i S_i V_i)其中H_i、S_i和V_i分别表示样本的色相、饱和度和亮度向量，i＝1，2，L，A，A为用户肤色图像数据库的样本图像总数；步骤3：计算用户肤色图像数据库均值矩阵和协方差矩阵C，其中：X‾=1mΣi=1mXi]]>C=1mΣi=1m[Xi-X‾][Xi-X‾]T]]>步骤4：在用户工作过程中，采集用户上半身的RGB视频流，对RGB视频流中的每一帧图像做光照均衡预处理后采用AdaBoost方法从中检测出两帧包含用户左眼或右眼周围皮肤的、大小为M×N的待检测用户人眼图像；步骤5：将步骤4得到的每一帧待检测用户人眼图像转换到HSV空间，然后计算肤色相似度Λ(x)并做缩放得到256灰度的肤色相似度图像Λ(x)′；其中：Λ(x)=exp[-12(x-X‾)TC-1(x-X‾)]]]>Λ(x)′＝Λ(x)×255/((max(Λ(x))-(min(Λ(x)))步骤6：在步骤5得到的肤色相似度图像Λ(x)′上，以初始化为椭圆形的Snake模型迭代逼近边缘；迭代过程中Snake模型的每个离散像素点遍历周围十二邻域像素点且初始化的椭圆形应将眼睛轮廓包含在内；步骤7：每次步骤6中的邻域遍历时，计算Snake模型连续点的内部相似度图像直方图H_in、内部像素点个数N_in、外部相似度图像直方图H_out以及外部像素点个数N_out；步骤8：将步骤7中计算的各个参数作为能量参数，构建改进后的Snake能量模型E=Eout+Ein]]>Eout=-αlogΠi=0255((Hin(i)Nin)Hin(i)(Hout(i)Nout)Hout(i))]]>Ein=βΣi|vi-vi-1|2+γΣi|vi-1-2vi+vi+1|2]]>其中：E_out为与外部相似度图像直方图H_out对应的能量值，E_in为与内部相似度图像直方图H_in对应的能量值，v_i为Snake模型上的离散点坐标，α，β，γ为比例系数，H_in(i)和H_out(i)表示灰度i在直方图中的概率密度。将上式中的E作为Snake模型迭代的能量公式，寻找收敛的能量极小值；步骤9：当迭代收敛时，在Snake模型的各个离散点中搜索距离最远的两点，将距离最远的两点之间的距离定义为眼角距L，计算其他离散点到距离最远两点所确定直线的距离和在计算与L的比值η；步骤10：采用PERCLOS测量方法，即通过统计单位时间T内步骤4所采集的RGB视频流经步骤4至步骤9处理后得到的每帧图像的η值来确定人眼睁闭状态的分布；具体以PERCLOS的P80准则为标准，PERCLOS值定义为其中n₁表示单位时间T内η值在0到η₂₀之间的帧数，n₂表示单位时间T内η值在η₂₀到η₈₀之间的帧数；定义η₈₀＝0.8×η₁₀₀、η₂₀＝0.2×η₁₀₀，而η₁₀₀为人眼完全睁开时的η值；最终当PERCLOS值大于阀值P时，认定用户处于疲劳状态。