[发明专利]基于人脸识别的疲劳驾驶预警方法

权利要求书

1.基于人脸识别的疲劳驾驶预警方法，其特征在于包括以下步骤：

1)设置应用环境，采用红外光源，在摄像头添加滤光片，消除可见光的影响，使人眼能够产生红眼效应；

2)摄像头采集红外环境的图像，获取图像帧，并对图像进行差分处理，得到的差分图像能够凸显出具有红眼效应的瞳孔部分；然后将差分后的图像进行图像增强操作，改善图像的视觉效果，突出感兴趣的区域，即眼部区域瞳孔部分；

3)对增强后的图像进行自适应阈值，将图像二值化，用来自适应凸显瞳孔与背景图像的差异；

4)对经过二值化后的图像做开运算，消除图片仍旧存在的非感兴趣区域噪点或者偏移条纹；

5)提取眼部特征，定位瞳孔，采用卡尔曼滤波，缩小下一帧眼部区域提取范围，准确进行人眼进行动态跟踪定位；

6)通过提取到的眼部特征，计算眼睛特征参数，由PERCLOS值的大小做出疲劳程度判决。

2.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤1)中，所述设置应用环境采用内外红外光圈的设计。

3.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤2)中，所述摄像头采集红外图像的具体方法为：对采集后的图像进行差分运算，通过人眼对红外光源产生的红眼效应，将前后相邻的亮暗瞳孔的两幅图像进行差分，得到的差分图像除去背景干扰，突出了像素值差异较大的部分，即瞳孔区域。

4.如权利要求3所述基于人脸识别的疲劳驾驶预警方法，其特征在于所述差分图像除去背景干扰的具体方法为：对图像做滤波处理，用于滤除在图像采集或传输转换过程中产生的噪声，消除对人眼特征提取和目标分割的不利影响。

5.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤3)中，所述对增强后的图像进行自适应阈值，是采用大津法根据差分图像来自动选择合适的阈值进行分割，使图像的二值化具有自适应性，对环境的适应性增强。

6.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤4)中，所述对经过二值化后的图像做开运算，是对二值图像先腐蚀后膨胀的过程。

7.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤5)中，所述提取眼部特征，定位瞳孔的具体方法为：通过摄像头获取瞳孔亮暗程度不同的帧间图像，结合人眼的几何约束条件能够快速而准确的找到人眼区域，并采用卡尔曼滤波跟踪定位瞳孔，通过卡尔曼滤波预测下一帧图像的运动状态，缩小眼部特征的提取范围，准确实现眼部区域的动态跟踪。

8.如权利要求7所述基于人脸识别的疲劳驾驶预警方法，其特征在于所述卡尔曼滤波跟踪定位瞳孔的具体步骤为：

(1)初始化系统状态；

(2)在第k帧中，根据上一帧预测的范围内进行眼部瞳孔提取，若提取到瞳孔，则修正卡尔曼滤波器的系统状态参数，若没有提取到，则下一帧搜索范围回归到整幅图片，并将下一次搜索的结果重新开始卡尔曼滤波过程；

(3)使用卡尔曼滤波器预测下一帧图像的运动状态，缩小特征的提取范围；

(4)重复步骤(2)(3)的动作。

9.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤6)中，所述计算眼睛特征参数，是当定位到瞳孔区域后，利用它来提取轮廓计算眼睛的特征参数；所述眼睛的特征参数是选择眼睛的高宽比和眼部的面积，眼睛的高宽比采用瞳孔定位后的轮廓的外接矩形框的长宽来确定；眼部的面积除了统计像素点个数之外也可以通过外接矩形框进行长宽的积来快速计算，通过计算轮廓外接矩形的面积和高宽比，若其面积小于一定的阈值，则认为是闭眼，否则视为睁眼。

10.如权利要求1所述基于人脸识别的疲劳驾驶预警方法，其特征在于在步骤6)中，所述疲劳程度判决是通过计算一段时间内眼睛闭合状态占所有状态的比率，驾驶员眼睛闭合的时间越长，计算得到的PERCLOS值就越大，反映出驾驶员的疲劳程度也就会越大，通过测量眼睛闭合状态的比率来判断驾驶员的疲劳程度，对驾驶员的疲劳状态得出一个数值化的结果，一旦检测出驾驶员处于疲劳驾驶状态，就采取相对应的措施发出警报。