[发明专利]一种基于人脸特征检测疲劳驾驶的方法

摘要

一种基于人脸特征检测疲劳驾驶的方法，涉及一种人工智能检测疲劳驾驶的方法。本发明对眼睛与嘴部特征联合检测可判断驾驶员的疲劳状态，避免了因佩戴眼镜而无法进行准确检测。检测方法：一、图像采集；二、图像处理；三、基于改进的Adboost算法分类器进行人脸定位；四、检测到人脸进行下一步，未检测到人脸进行步骤一；五、人脸特征识别；六、疲劳状态判定。本发明与传统监测方法相比联合运用眼睛与嘴部状态进行疲劳状态的特征提取，提高了判断的准确性、降低了疲劳驾驶检测的误判几率。

主权项

1.一种基于人脸特征检测疲劳驾驶的方法，其特征在于该基于人脸特征检测疲劳驾驶的方法按以下步骤进行：一、图像采集；二、图像处理：采用自适应中值滤波法对采集的图像进行去噪、并采用自适应阈值法对采集的图像进行光照均衡；三、基于改进的Adboost算法分类器进行人脸定位；其中仅在样本的权值比此时的更新阈值小，并且此样本被分类不正确的情况下权值才会做出相应的调整，增加权重；除此之外，权重将会被缩小；四、检测到人脸进行下一步，未检测到人脸进行步骤一；五、人脸特征识别5.1人眼定位：Gaboreye模型结合辐射对称算法定位眼睛所在位置；5.2人眼状态判别：采用Ostu法将选取图像处理为灰度直方图，以背景和目标的类间方差的取值端点作为对阈值选取依据，以二值化后图像中白色像素的数目作为眼睛的面积，眼睛处于睁开状态，眼睛区域中白色像素的数目远远多于眼睛闭合时白色像素的数目；利用眼睛最大面积对驾驶员某一时刻的眼睛面积进行归一化，归一化公式为其中current_area为白色像素区域面积，max_area为眼睛最大面积；若A>0.6，判定眼睛是睁开的；若A≤0.6，则判定眼睛为闭合状态；5.3嘴部粗检：以嘴巴在脸部区域中分布的几何规则，由公式选择矩形部分；其中(x_face,y_face)代表提取人脸的矩形的左上角的坐标，(x_m0,y_m0)代表提取的嘴巴部分的左上角的坐标，W_mouth代表嘴部粗检部分的宽度，H_mouth代表嘴部粗检部分的高度；5.4嘴部状态判别：对图像进行二值化计算嘴部面积，公式为其中嘴巴部分的灰度值用f_mouth(x,y)代表，经过二值化处理后得到图像用B(x,y)表示，阈值设定为0.2；然后对二值化处理后的图像进行腐蚀：利用结构对图像中的所有元素，之后对被结构元素所处理过的二值化图像与结构元素进行逻辑中的“与”操作，若得到的结果都是1，则被处理的像素得到新的像素值255，否则被处理的像素得到新的像素值0；对处理后图像中的连通域进行提取，并通过相互比较，找到其中最大的面积，将最大面积所在地方作为嘴巴部分的连通域；采用Sobel算子对图像中嘴巴部分的边缘进行提取；采用似圆度的方法对嘴部所处的状态进行判定：计算出图像中最大的连通域中白色像素的个数，将此看作是嘴部的面积，利用所求的边缘，得到边缘上白色像素的数目，将此看作嘴部的周长；采用e代表似圆度，e∈[0,1]，嘴部的面积采用S表示，嘴部周长采用P表示，采用公式计算嘴巴部分的似圆度；若e<0.4，则嘴巴是闭合的，若e≥0.4，则嘴巴是张开的；六、疲劳状态判定选用从视频中获得的连续的图片，如果检测到驾驶员眼睛闭合并打哈欠，认定为疲劳状态；检测到驾驶员眼睛闭合未打哈欠，认定为疲劳状态；检测到驾驶员打哈欠但眼睛不闭合，认定为非疲劳状态；检测到驾驶员眼睛不闭合且未打哈欠，认定为非疲劳状态。