[发明专利]基于视频传感器的驾驶人疲劳等级检测方法

说明书

技术领域

本发明涉及一种基于视频传感器的驾驶人疲劳等级检测方法，属于智能交通和交通安全研究领域。

背景技术

研究发现，25％～30％的交通事故都与疲劳驾驶有关，按照欧洲交通安全委员会所划分的疲劳等级(不疲劳、轻度疲劳、严重疲劳)，驾驶员处于严重疲劳时容易发生交通事故。为了降低疲劳驾驶引起的交通事故率和开发研究新一代智能车辆辅助驾驶系统的需要，本方法致力于通过视频传感器对驾驶员面部疲劳特征的识别来实现驾驶人疲劳等级的检测。本方法通过在驾驶室安装CCD视频传感器拍摄驾驶人正面驾驶图像，采用Viola-Jones人脸检测算法检测和分割出驾驶人面部图像，并通过Contourlet小波变换对驾驶人面部疲劳图像进行特征提取，最后，采用支持向量机对提取的驾驶人面部疲劳特征矩阵进行分类，从而实现在不干扰驾驶人驾驶行为的前提下检测出驾驶人的疲劳等级。本发明有助于提高驾驶人的安全特性，确保交通行车安全。

发明内容

本发明所要解决的问题是有效地提取驾驶人的面部疲劳特征，并进行有效分类，从而实现驾驶人疲劳等级检测，以用于以人为中心的车辆辅助驾驶系统。

本发明的技术方案为：基于视频传感器的驾驶人疲劳等级检测方法，通过CCD摄像机采集驾驶人的正面图像，从中检测并分割出驾驶人面部图像，并采用同态滤波对分割出的驾驶人面部图像进行预处理，然后采用Contourlet小波变换提取驾驶人面部疲劳特征，最后采用支持向量机将驾驶人状态分类为三个等级，对应清醒状态、轻度疲劳和严重疲劳，具体包括如下步骤：

1)在驾驶室安装车载CCD摄相机，拍摄采集驾驶人正面图像，作为训练数据；

2)运用Viola-Jones人脸检测算法对驾驶人正面图像的驾驶人面部区域进行检测，并分割出驾驶人面部图像；

3)采用同态滤波的方法对采集到的驾驶人面部图像进行预处理，消除光照不稳定对驾驶人面部疲劳图像的影响；

4)对预处理后的驾驶人面部图像进行Contourlet变换，Contourlet变换同时将拉普拉斯金字塔分解LP和方向滤波器组DFB多方向分解结合起来，实现不同尺度空间里的驾驶人面部疲劳特征的提取，得到Contourlet变换系数矩阵，以Contourlet变换系数矩阵的均值和标准差作为驾驶人面部疲劳图像特征向量；

5)采用支持向量机对提取的驾驶人面部疲劳等级特征矩阵进行分类，即对步骤4)得到的驾驶人面部疲劳图像特征向量进行分类，分为三个等级，分别对应清醒状态、轻度疲劳和严重疲劳，根据得到的分类划分，对新采集的驾驶人面部图像提取驾驶人面部疲劳等级特征矩阵，对应划分，实现驾驶人疲劳等级检测。

步骤2)包括以下步骤：

2-1)使用Harr-like特征表征驾驶人的面部，使用积分图实现Harr-like特征数值的快速计算；

2-2)使用Adaboost算法挑选能表征驾驶人面部区域的矩形特征：对于每个特征j的弱分类器h_j，计算其误差率，选择具有最小误差率的弱分类器加入强分类器中；

2-3)将上一步得到的强分类器串联组成一个级联结构的层叠分类器，每个强分类器对应驾驶人面部区域的一个矩形特征，从而实现驾驶人面部区域的检测和分割，得到驾驶人面部图像。

步骤3)包括以下步骤：

3-1)令驾驶人面部图像为f(x，y)，即