[发明专利]基于红外眼态识别的疲劳驾驶预警系统

说明书

技术领域

本发明涉及疲劳驾驶监测系统，尤其是一种基于红外眼态识别的疲劳驾驶预 警系统。

背景技术

利用摄象机和计算机视觉技术通过对司机的视觉行为进行监测的非接触性 检测司机疲劳，这种方法就是从一个司机的视频图象中提取能典型的代表司机疲 劳水平的视觉特征利用计算机视觉的技术判断司机的疲劳状况。

在驾驶员眼睛进行定位后，需要进行驾驶员眼睛状态识别和判断，较常用的 眼睛状态识别方法有：

(1)样本学习法

样本学习方法是目前特征检测的主流方法，但是受学习样本的影响较大，不 同的样本备制方法会使同一个算法的性能具有很大的区别。例如比较经典的背景 差分算法，AdaBoost方法检测眼睛状态存在的一个很大的问题是闭眼分类器较难 训练，因为闭眼特征与眉毛特征较为类似，在训练的时候很容易把眉毛训练成闭 眼的分类器。另外，AdaBoost学习的方法对于眼睛半开半闭的状态和半开程度的 判断也显得无能为力。

(2)上眼睑曲率

用霍夫变换找上眼睑的方法指出上眼睑的信息较明显且稳定，但是获取的上 眼睑效果强烈地依赖于边缘检测的效果。由于光照等的影响通常得不到理想的上 眼睑特征。

(3)模版匹配法

根据眼睛的睁开、闭合以及介于两者之间的半睁半闭3种状态，分别通过综 合大量对应状态眼睛图像建立眼睛状态模版，进而在待检测图像(灰度图像)上 分别用以上三种眼睛模版进行匹配，根据匹配隶属度达到状态判定的目的。但是 由于计算量较大，因而实时性较差。

发明内容

为了克服已有疲劳驾驶预警系统的可靠性差、计算量大、实时性差的不足， 本发明提供一种可靠性好、减少计算量、实时性好的基于红外眼态识别的疲劳驾 驶预警系统。

本发明解决其技术问题所采用的技术方案是：

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；眼睛初始定位模块，用以对头部视频图像采用背景差 分算法处理，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。

作为优选的一种方案：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，用以在初始视频图象的眼睛目标窗口中，假设目标图像 {x_i^*}，i＝1，2，…n由n个点构成，每个点的灰度为m级，m在此取32，图像中心点 的坐标为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：