[发明专利]基于心率变异性非接触式测量的疲劳驾驶识别系统

摘要

本发明公开了一种基于心率变异性非接触测量的疲劳驾驶识别系统，包括图像采集装置、图像处理装置和报警装置，其特征在于所述图像采集装置用于实时获取驾驶人面部图像，并将采集的驾驶人图像传输给图像处理装置；所述图像处理装置用于根据驾驶人图像获取驾驶人的心率变异性，并根据驾驶人的心率变异性获取驾驶人的驾驶疲劳状态；所述报警装置用于当图像处理装置判定驾驶人处于驾驶疲劳状态时进行报警提示。该系统实现了非接触式监测识别，进一步提高了疲劳驾驶判别的准确性和实时性。

主权项

一种基于心率变异性非接触式测量的疲劳驾驶识别系统，包括图像采集装置、图像处理装置和报警装置，其特征在于所述图像采集装置用于实时获取驾驶人面部图像，并将采集的驾驶人图像传输给图像处理装置；所述图像处理装置包括HRV分析模块，HRV分析模块用于对心率变异信息进行处理，分析HRV信号线性指标中频谱低频与高频的比值与非线性指标中RR间期C0复杂度，将两者结合起来，作为HRV的特征表征数据；所述图像处理装置用于根据驾驶人图像获取驾驶人的心率变异性，并根据驾驶人的心率变异性获取驾驶人的驾驶疲劳状态；所述报警装置用于当图像处理装置判定驾驶人处于驾驶疲劳状态时进行报警提示；所述根据驾驶人图像获取驾驶人的心率变异性按照如下步骤进行：1)利用人脸分类器对驾驶人的面部图像进行人脸定位和器官识别，利用ASM进行脸部器官的定位；2)根据定位的器官边缘定位额头、左右脸颊三个区域，统计一段时间内三个区域内的R、G、B值信号；3)对R、G、B值信号进行ICA分析，对ICA分析结果的第二个分量进行插值、滤波处理，获得心率变形性数据向量；其中，利用ASM进行脸部器官的定位，包括训练和搜索两个部分：训练由以下步骤组成：1）搜集n张含有人脸面部区域的样本图片；2）对于每个样本图片，手动标定每个训练样本中的k个关键特征点，组成了一个形状向量ai，因此n个训练样本图片就构成了n个形状向量，即：其中，表示第i个训练样本上第j个特征点的坐标；3）将n个形状向量进行归一化或对齐操作消除非形状干扰；4）计算平均形状向量：然后计算协方差矩阵Φ：然后求协方差矩阵Φ的特征值并将其按从大到小依次排序；5）计算第j个训练图像上的第i个特征点的n个局部纹理gi1,gi2,...,gin，计算其均值以及计算其方差得到该特征点；采用特征点构建局部特征，在每次迭代过程中，一个特征点的新的特征g与其训练好的局部特征之间的相似性度量用马氏距离来表示：ASM搜索按照如下步骤进行：对样本集进行训练得到ASM模型后即可进行ASM搜索，对平均形状以其中心逆时针旋转θ缩放s，然后再平移Xc得到初始模型X＝M(s,θ)[ai]+Xc，通过仿射变换和参数调整，用该初始模型在新图像中所示目标形状，计算每个特征点的新位置，使搜索到的最终形状中的特征点和相对应的真正特征点最为接近，获得待获得特征部位的面部图像的特征点。