[发明专利]一种用于疲劳驾驶检测的人脸眼睛区域定位方法

说明书

技术领域

本发明涉及属于图像处理和模式识别技术领域，具体涉及一种用于疲劳驾驶检测的人脸眼睛区域定位方法。

背景技术

疲劳驾驶已经成为交通事故主要因素之一，疲劳驾驶检测仪作为在驾驶员出现疲劳驾驶状态时的检测和警示工具，已经开始得到较为广泛使用。疲劳驾驶检测技术是疲劳驾驶检测仪的核心技术。目前，疲劳驾驶检测技术主要包括基于人体生理信号(包括脑电、心电、皮肤电势等)检测、车辆状态信号(速度、加速度、侧位移等)检测、驾驶员操作行为(方向、油门和刹车等控制情况)检测和驾驶员面部图像检测(闭眼、眨眼、打呵欠、头动等)。其中，眼睛活动特征检测具有准确性好、可靠性高和非接触性的优点，是疲劳驾驶检测的首选方案。而眼睛的快速定位是眼睛活动特征检测的基础条件。特别是疲劳驾驶检测仪产品中，由于车辆速度高，要求检测、发出警示的响应速度也相应较高，因此，在疲劳驾驶检测仪的有限数据处理资源条件下，如何提高眼睛的定位效率、加快定位处理速度，是疲劳驾驶检测技术的技术关键之一。

专利CN104123549A公开了一种用于疲劳驾驶实时监测的研究定位方法，该方法基于YCbCr色彩空间肤色模型，并根据邻帧差异检测头部运动范围，从而减少人脸定位计算量，进而进行人眼区域识别。该专利提出的方法具有较大局限性：一方面，肤色模型只适合白天，因为夜间红外补光情况下导致的色差会使得肤色模型完全失效；另一方面，摄像头拍摄驾驶员画面中，不仅仅驾驶头部存在运动情况，车辆运行过程中窗外物体和车内其它乘客(特别是后排乘客)都存在运动情况，因此通过临帧差异检测头部运动范围存在多种情况引起检测误差的局限性。

专利CN104091147公开了一种红外眼睛定位及研究状态识别方法。该方法在850nm红外光源成像，并使用Adaboost算法训练基于Haar特征的眼睛级联分类检测器，用于检测含眉毛的眼睛图像，最后利用基于HG-LBP帖子融合的眼睛状态识别，分类识别出人眼区域。该专利所述方法主要用于解决如何准确检测不同头部姿势状态下人脸眼睛区域的位置和状态的问题，但由于其识别范围是基于整个图像区域，缺少对人脸区域的定位来限制识别检索范围，而且基于Haar特征的识别处理方法较为复杂，数据处理量大，因此存在对眼睛定位效率不高的问题。

专利CN103279752A公开了一种基于改进Adaboost方法和人脸几何特征的眼睛定位方法。该方法在传统的分类器训练和检测方法基础上，通过人脸-人眼二级查找人眼，并对待甄别的候选人眼通过一些几何纹理特征(例如眼部轮廓大小差异、眼部轮廓与人脸中垂线的水平距离、候选人双眼的水平线夹角等)加以甄别，实现人脸眼睛区域定位。该方法需要依赖于较多的眼部纹理特征，并且存在多个候选人眼具有甄别意见，其处理方法依然较为复杂，数据处理量大，因此对眼睛定位的效率依然不高。

上述罗列的现有技术中的人脸眼睛区域定位方法，主要都是在对图像中的人脸区域加以定位的基础上，利用对图像中人脸眼部主要的图像纹理特征加以判断和识别，来实现对人脸眼睛区域的定位，以保证定位的准确性。但是，由于人脸眼部的纹理特征较为细小而复杂，并且其纹理特征容易随着人脸面部表情的变化而发生改变，因此利用人脸眼部的纹理特征来实现人脸眼睛区域定位，不仅需要成像设备具有较高的成像质量，而且识别处理设备也需要对成像图像中的像素数据进行大量的数据处理来判别出这些眼部纹理特征，其处理过程较为复杂，数据处理量也比较大，所以再有限数据处理资源条件下，对眼睛定位效率不高、定位速度较慢的问题难以避免。而如果通过减少在定位识别过程中所依据的眼部纹理特征数量来提高识别效率和识别速度，又会因为驾驶区域图像内复杂线条纹理较多而导致出现人眼识别错误，造成人脸眼睛区域定位误差较大的情况。

发明内容

针对现有技术中存在的上述不足，本发明的目的在于提供一种用于疲劳驾驶检测的人脸眼睛区域定位方法，该方法在对人脸眼睛区域定位处理的过程中排除不必要的检测因素，同时采用预设的面部匹配模板实现检测和定位，能够提高对人脸眼睛区域定位处理的效率，较快速地得到视频图像中的人脸眼睛区域定位结果，并同时保证具备较高的定位准确性。

为实现上述目的，本发明采用的一个技术手段是：