[发明专利]基于距离图像和强度图像的驾驶员人脸定位系统

说明书

技术领域

本发明属于智能交通技术领域，具体涉及一种基于距离图像和强度图像的驾驶员人脸定位系统。

背景技术

随着社会经济的不断发展，汽车保有量数据持续增长，汽车安全问题显得尤为重要。汽车安全性可以分为被动安全和主动安全：被动安全指在交通事故发生后尽量减小乘客和行人的损伤；主动安全指通过事先防范避免事故的发生。被动安全技术发展早，如安全气囊技术，早已进入技术成熟阶段且已经被广泛地应用；随着计算机、机器视觉、电子、通信等技术的巨大进步，主动安全领域的研究也随之快速发展，其中，由于驾驶员本身对行车安全几乎有着决定性的作用，针对驾驶员的智能系统更是发展迅速，如驾驶员疲劳驾驶检测系统、驾驶人注意力识别系统等。我们发现，这些系统所采用的技术方案中，无论是采用检测上下眼睑位置、检测人眼睁闭状态、跟踪人眼视线还是估计头部或面部姿态角变化等何种方法作为判别依据，都要首先获得驾驶员的人脸图像，即对驾驶员人脸定位是整个系统和算法的基本环节。

人脸定位是指在输入图像中确定人脸（如果存在）的位置与大小（边界）的过程，若是视频图像序列，还包括对检测到的人脸进行目标跟踪的过程。人脸定位方法主要分为：基于几何特征的方法、基于肤色模型的方法和基于统计理论的方法。

几何特征指人脸面部器官在几何上体现的特征，如人脸轮廓、灰度分布、器官特征、模板特征等，基于几何特征的方法适用于简单背景下的正面单个人脸检测，在复杂光照或背景环境下或者面部有遮挡的情况很难获得理想的检测效果。

肤色模型是研究者在确立的色度空间基础上用一种代数的表征形式来表达哪些像素的色彩属于肤色，或者表征出某一像素的色彩与肤色的相似程度。基于肤色模型的方法在早期应用很广泛，算法简便快捷，对姿态不敏感，在单调背景下检测率高，但是其在光照和复杂背景下效果不理想。

基于统计理论的人脸检测方法是利用统计分析与机器学习的方法来寻找人脸样本与非人脸样本各自的统计特征，再构建区分各自特征的分类器，用分类器完成人脸检测，主要方法有神经网络、支持向量机、线性子空间、隐马尔科夫模型、Boosting等方法。不依赖于人脸的先验知识和参数模型，可以避免不精确或不完整的知识造成的错误。并且由于采用了实例学习的方法获取模型的参数，统计意义上更为可靠，但也一定程度上受学习样本数量和质量、光照变化、遮挡等因素的影响。本发明因此而来。

发明内容

本发明提供一种基于距离图像和强度图像的驾驶员人脸定位系统，该系统解决了现有技术中人脸定位过程存在受环境变化、光照变化、遮挡等因素影响较大的缺点等问题。

为了解决现有技术中的这些问题，本发明提供的技术方案是：

一种基于距离图像和强度图像的驾驶员人脸定位系统，包括图像采集装置、图像处理装置和定位装置，其特征在于所述图像采集装置，至少包括1个距离图像传感器、1个CMOS摄像头和2个红外摄像头，用于实时采集驾驶员的强度图像和距离图像，并将采集的强度图像和距离图像传输给图像处理装置；所述图像处理装置用于对采集的驾驶员的强度图像和距离图像进行处理；所述定位装置用于根据处理后强度图像和距离图像识别驾驶员的人脸位置和大小，并对人脸图像进行跟踪和驾驶员人脸位置定位。

优选的技术方案是：所述距离图像传感器、CMOS摄像头和红外摄像头的输出端与图像处理装置的输入端连接。

优选的技术方案是：所述图像处理装置为DSP处理系统。

优选的技术方案是：所述系统还包括数据存储装置，所述数据存储装置与定位装置连接，接收定位装置的读取或存储指令，用于读取或存储驾驶员的强度图像和距离图像。

优选的技术方案是：所述系统还包括与定位装置连接的输入输出装置，所述输入输出装置根据用户的输入操作将用户指令传递给定位装置，定位装置根据用户指令进行人脸定位，并将相关信息输出提示用户。

本发明的另一目的在于提供一种基于距离图像和强度图像的驾驶员人脸定位方法，其特征在于所述方法包括以下步骤：

（1）根据驾驶员的人脸定位指令，开始采集驾驶员的距离图像和强度图像；

（2）对采集的驾驶员的强度图像和距离图像进行处理，识别驾驶员的人脸位置和大小，并对人脸图像进行跟踪和驾驶员人脸位置定位。

优选的技术方案是：所述方法步骤（2）具体包括以下步骤：

1）根据采集到的驾驶员的距离图像灰度值的梯度变化进行边缘提取，初步确定人脸的位置；