[发明专利]一种基于CNN眼部状态识别的驾驶员疲劳检测方法

摘要

本发明涉及一种基于CNN眼部状态识别的驾驶员疲劳检测方法，驾驶员疲劳检测可以通过眼部的状态识别来获取面部有用信息来完成。本发明能够更加准确的对眼部的状态进行识别分类。在卷积神经网络(CNN)进行眼部状态识别方法上，通过红外视频样本对佩戴墨镜的情况识别率进行提升；最终由疲劳/瞌睡物理量(PERCLOS)和眨眼频率检测多个约束条件判断驾驶员疲劳状态。实验证明，该方法可以实时准确地识别眼部状态并有效预警疲劳驾驶行为。

主权项

1.一种基于CNN眼部状态识别的驾驶员疲劳检测方法，所述方法包括下列步骤：(1)采用红外光源、窄带滤光片配合高分辨率工业镜头搭建用于采集待测图像的红外采集系统，用所搭建的系统采集部分待测的面部图像样本；(2)利用步骤1中搭建的采集系统获得图像输入，采用基于haar特征和AdaBoost算法的级联分类器检测出人脸区域，并由级联回归模型提取出包含眼部、鼻梁、眉骨和外侧主轮廓的60个人脸特征点集合；(3)在步骤2确定人脸特征点的基础上计算出人脸的眼部区域并构建疲劳数据集；(4)设计特定结构的眼部状态识别卷积神经网络，根据步骤3中得到的疲劳数据集进行深度学习网络训练，获得在推荐训练参数下的识别模型；(5)使用4中训练出的识别模型完成驾驶员眼部状态识别，量化识别结果，根据设定的阈值通过多个疲劳准则综合计算驾驶员疲劳状态得分，输出疲劳状态检测结果，预警疲劳驾驶行为。