[发明专利]基于红外眼态识别的疲劳驾驶预警系统

权利要求书

1.一种基于红外眼态识别的疲劳驾驶预警系统，包括：视频获取模块，用以采集 驾驶员的头部视频图像；其特征在于：所述疲劳驾驶预警系统还包括：

眼睛初始定位模块，用以对头部视频图像采用背景差分技术处理，进行眼睛初始 定位；

眼睛跟踪预测模块，用以采用kalman滤波器进行眼睛位置跟踪预测；

眼睛精确定位模块，用以采用融合红外图像空间纹理的改进Mean-Shift算法实现

眼睛最终位置的精确定位，得到眼睛区域；

眼睛状态识别模块，用以在获取眼睛区域后，对眼睛区域进行二值化或边缘检测， 获得眼睛的长宽信息；

疲劳状态计算模块，用以根据当前检测时间段的眼睛状态，依照PERCLOS的P80 标准进行眼睛疲劳状态判断；

疲劳驾驶预警模块，用以当疲劳状态计算模块判定当前状态为疲劳状态，发出告 警指令；

所述眼睛精确定位模块包括目标模型建立单元、候选目标模型建立单元和相 似性度量单元，其中，

目标模型建立单元，在初始视频图象的眼睛目标窗口中，假设目标图像由n个点构成，其中,i=1,2,…n，每个点的灰度为m级，m在此取32，目标图像 的中心位置为y，得到联合32级灰度、16级梯度幅值和16级梯度方向共64级匹 配信息分量的加权直方图为：

qb=CΣi=1nk(||y-xi*h||2)δ[B(xi*)-b],b=0...31CΣi=1nk(||y-xi*h||2)δ[Mag(xi*)-Mag′],Mag′=0...15CΣi=1nk(||y-xi*h||2)δ[θ(xi*)-θ′],θ′=0...15---(1)]]>

其中,q_b是目标图像模型灰度分量b的值，集合{q_b}_{b＝1，2，...m}表示目标模型，是xi处像素的量化值，h是核函数k(||x||)的窗宽，常数C由约束条件得到；图像各点梯度幅值和梯度方向分别定义为：

Mag(i.j)=(∂f/∂x)2+(∂f/∂y)2*MMax∂]]>

其中，和分别是在当前像素点处沿横轴和纵轴方向的梯度，表示向上取整运算，M表示梯度等级，在此等于16，表示梯度的最大值，梯 度方向角间距Δθ等于π/8；

侯选目标模型建立模块，由kalman在当前帧图像的眼睛预测点为y₀， {x_i}_{i＝1，2，..,n}为候选目标模型图像区域各个像素位置归一化后的集合，该目标图像的 中心位置为y，则候选目标模型的改进混合核函数直方图表示为：

pb=CΣi=1nk(||y-xih||2)δ[B(xi*)-b],b=0...31CΣi=1nk(||y-xih||2)δ[Mag(xi*)-Mag′],Mag′=0...15CΣi=1nk(||y-xih||2)δ[θ(xi*)-θ′],θ′=0...15---(2)]]>

其中，p_b是候选目标图像灰度分量b的值，集合{p_b}_{b＝1，2，...m}表示候选目标模 型；

相似性度量单元，设定目标模型和候选模型的相似性程度采用如下距离度量：

d(y)=1-ρ[p^(y),q^]---(3)]]>

其中

ρ^(y)=ρ[p^(y),q^]=Σb=1mp^b(y)q^b---(4)]]>

称为Bhattacharyya系数，它代表两个m维向量和 夹角的余弦；

求(4)式的最大值，对(4)利用泰勒级数在处展开有：

ρ[p^(y),q^]≈12Σb=1mp^(y0)^q^b+12Σn=1mp^b(y)q^bp^b(y0)^---(5)]]>

把(2)代入（5）有：

ρ[p^(y),q^]≈12Σb=1mp^(y0)^q^b+Ch2Σi=1nhwik(||y-xih||2)---(6)]]>

C_h是归一化参数；

其中

wi=Σb=1mq^bp^(y^0)δ[B(xi)-b]---(7)]]>

在匹配过程中，核函数中心从当前帧初始位置处利用下式不断移动到新 的位置处：

y^1=Σi=1nhxiwig(||y0-xi^h||2)Σi=1nhwig(||y0-xi^h||2)---(8)]]>

其中，g(x)=-k'(x)并假设k(x)的一阶导数在区间x∈[0,∞)上除少数有限点 外均存在；

在当前帧图像kalman预测范围内采用(8)不断迭代，当前后两次的更新值小 于预定阈值时，判定找到眼睛精确位置。