[发明专利]基于面部视频特征的疲劳驾驶检测方法

说明书

本发明公开了一种基于面部视频特征的疲劳驾驶检测方法，包括以下步骤：S1：采集人脸视频图像，对图像进行预处理；S2：采用基于Haar特征的级联Adaboost人脸检测算法对人脸图像进行检测；S3：利用Gabor滤波器增强面部局部特征的边缘信息，准确定位眼睛和嘴部；S4：采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述，训练线性SVM分类器判别眼睛的开闭状态；S5：根据嘴部二值图像的张开面积及宽高比判断嘴部的开闭状态；S6：采用多模态特征的距离测度学习算法判别驾驶员整体面部的疲劳表情；S7：根据眼睛和嘴部的状态以及疲劳表情，计算出四个能够描述驾驶员状态的疲劳参数，利用模糊系统融合推理得出驾驶员的疲劳状态，并根据推理结果予以不同的预警措施。

技术领域

本发明涉及一种基于面部视频特征的疲劳驾驶检测方法。

背景技术

随着国民经济的迅速发展，交通行业已经成为经济建设最重要的基础，汽车对人们工作和生活的影响力也越来越大。汽车安全驾驶一直是研究的热门方向，其中安全气囊等一些能够保障驾驶员安全的装置已经被普及，但是这些设计均是被动的保护措施，而不能主动降低交通事故的发生率。但是如果在事故发生前能够对驾驶员提前预警，就能够避免一些交通事故的发生，这项技术称之为汽车主动安全技术。被动的保护措施与主动安全技术相结合的话，就很大程度能够降低交通事故的发生率，并且能减少交通事故中的人员伤亡。

交通事故分析表明，很多的交通事故是由于驾驶员疲劳驾驶引起的，因为如果驾驶员处于疲劳状态，其注意力就不能集中，驾驶能力也会随之下降，反应速度也会明显变慢，对于突发情况的处理能力就远不如正常状态。驾驶人员长时间连续行车后，会产生生理机能和心理机能的失调，使驾驶员反应变得迟钝、注意力不集中、动作不灵活、视觉模糊，从而客观上导致驾驶机能下降，引起交通事故。而在较长时间的驾驶过程中，驾驶员的疲劳程度是逐渐积累的，如果能够根据驾驶员眼部、嘴部及头部特征及时有效的监测，并且必要时预警提醒驾驶员，这样就能很大程度上避免发生交通事故。据统计，如果驾驶员比交通事故时的反应快0.5s，就有60％的交通事故能够避免。因此研究实时性的疲劳驾驶检测系统具有非常实际的意义。

发明内容

本发明要解决的技术问题是提供一种基于面部视频特征的疲劳驾驶检测方法。

基于面部视频特征的疲劳驾驶检测方法，包括以下步骤：

S1：采集人脸视频图像，对图像进行预处理；

S2：采用基于Haar特征的级联Adaboost人脸检测算法对人脸图像进行检测；

S3：利用Gabor滤波器增强面部局部特征的边缘信息，准确定位眼睛和嘴部；

S4：采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述，训练线性SVM分类器判别眼睛的开闭状态；

S5：根据嘴部二值图像的张开面积及宽高比判断嘴部的开闭状态；

S6：采用多模态特征的距离测度学习算法判别驾驶员整体面部的疲劳表情；

S7：根据眼睛和嘴部的状态以及疲劳表情，计算出四个能够描述驾驶员状态的疲劳参数，利用模糊系统融合推理得出驾驶员的疲劳状态，并根据推理结果予以不同的预警措施。

进一步的，所述基于Haar特征的级联Adaboost人脸检测算法具体方法如下：

S2-1：对样本进行图像增强处理，将所有的样本转换到同一个亮度区间内；

S2-2：对人脸样本和非人脸样本提取Haar特征，再结合Adaboost算法训练一个人脸分类器；

S2-3：对于系统输入的图像，进行简单的预处理，然后就加载之前训练的好人脸分类器，再基于滑动窗口法在图片上搜索人脸。

进一步的，步骤S4中眼睛的开闭状态的判别方法如下：