[发明专利]基于AdaBoost算法的疲劳驾驶检测方法及系统

摘要

本发明公开了一种基于AdaBoost算法的疲劳驾驶检测方法及系统，所述方法首先，针对传统AdaBoost算法权重分布扭曲的现象，提出了一种基于调整权重分布的改进算法；其次，运用改进的AdaBoost算法分别检测人脸、睁眼和张嘴状态，计算眨眼率和打哈欠率；最后，计算疲劳指数，根据指数的大小，判断驾驶员的状态清醒、轻度疲劳、疲劳，并给出相应的措施。算法简单易用，对使用环境的要求低，鲁棒性强，检测的精度高。本发明可应用于智能驾驶场景中疲劳驾驶检测。

主权项

一种疲劳驾驶检测方法，其特征在于，所述方法包括：S1、选取n个样本形成样本集合S＝{(xi,yi)|i＝1,2,...,n}，第i个样本(xi,yi)有两个元素xi、yi组成，xi表示变量，yi表示变量xi所属的类别，xi∈X,yi∈Y＝{1,2,...,k},i＝1,2,...,n，X是所有变量的集合，Y是类别的集合；利用样本集合S以及改进的AdaBoost算法进行训练，从第1轮训练到第T轮的训练过程，详细步骤如下：①调用输入的弱分类器，Dt是第t轮弱分类器的权重；②根据弱分类器和权重获得第t轮的分类规则ht:X→Y；③计算分类规则ht在训练样本集上的预测错误④根据分类错误计算分类规则ht的评价因子βt＝ζt/(1‑ζt)；⑤根据评价因子βt更新下一轮分类的权重其中，是标准化常量，使得由t轮后的评价因子计算最终的分类器S2、选取检测到正面人脸的图像作为第一正样本，选取随机的自然图像和人脸周边区域图像为第一负样本，采用改进的AdaBoost得到人脸分类器，检测出驾驶员的脸部图像；S3、从所述脸部图像选取睁眼的图片作为第二正样本，选取随机的自然图像和人眼周边区域图像为第二负样本，采用改进的AdaBoost得到睁眼分类器，检测脸部图像中的睁眼图像，根据连续时间内检测到人脸的帧数及检测到人眼的次数计算眨眼率；S4、从所述脸部图像选取张嘴的图片作为第三正样本，选取随机的自然图像和嘴巴周边区域图像为第三负样本，采用改进的AdaBoost得到张嘴分类器，检测脸部图像中的张嘴图像，计算打哈欠率；S5、根据眨眼率和打哈欠率计算疲劳指数，判断驾驶员的疲劳驾驶状态。