[发明专利]基于特征选择和面部多区域分类器集成的驾驶者疲劳状态识别方法与装置

摘要

一种基于特征选择和面部多区域分类器集成的驾驶者疲劳状态识别方法与装置，涉及驾驶者疲劳状态识别技术领域。本发明为了给出一个更加稳定可靠的识别结果，从而能够更加及时的侦测到疲劳表现并对驾驶者进行更早预警。本发明包括训练和识别两个过程，其中训练过程需要对每个区域所提取的特征进行评价与选择，从而生成对应每个区域的精简特征集，并基于这些精简特征集合训练一组C4.5分类器，而在识别过程只需提取这些特征来进行分类。两上过程均对人脸区域进行区域划分，提取人脸各区域与疲劳表情相关的静态特征与序列描述特征。本发明有效提高对于驾驶者疲劳状态的识别性能，通过精简的特征集合获得对驾驶者疲劳状态平均更高的识别率。

主权项

一种基于特征选择和面部多区域分类器集成的驾驶者疲劳状态识别方法，其特征在于：所述驾驶者疲劳状态识别方法的实现过程为：一、训练过程：步骤1：通过视频摄录获取人脸视频帧，用帧差法初步定位人脸区域，捕获新的视频帧；步骤2：通过Haar‑like特征结合AdaBoost算法框架，进行人脸区域定位；步骤3：对人脸区域进行区域划分，提取人脸各区域与疲劳表情相关的静态特征与序列描述特征；基于每幅人脸视频帧中人脸的状态，对每帧图像进行类别标注；步骤4：对各个区域得到的特征进行评价和选择，对应生成各区域的精简特征描述子集；步骤5：用各个区域所得到的特征子集训练一组C4.5分类器，所述分类器将用于识别过程中；二、识别过程：步骤1、捕获驾驶者面部视频并获取视频帧；步骤2、应用AdaBoost算法框架基于Haar‑like特征对人脸区域进行检测与定位：步骤3、对人脸区域进行划分，对面部与疲劳表现相关的全局以及各子区域进行静态和动态特征提取，在不同区域提取相应的精简特征，所提取的特征根据训练过程决定；步骤4、利用一组学习好的C4.5决策树分类器对各个区域特征给出一个分类判别结果，然后对不同区域上对应的分类器进行投票表决，最终给出综合判别结果，从而决定是否对驾驶者进行疲劳预警；每个C4.5决策树分类器是通过训练过程得到的。