[发明专利]基于视频信息的驾驶员疲劳检测方法

权利要求书

1.一种基于视频信息的驾驶员疲劳检测方法，其特征在于：在对每帧图像中的人眼状态识别过程采用人眼高宽比λ、人眼面积和外接矩形面积比P两种参数进行判断，当P>0.75时，可认为人眼处于闭合状态，当P<0.75时则根据λ的范围判断：如果λ<0.21则认为是闭合百分之八十，如果0.21<λ<0.32则认为是半开半闭状态，如果λ>0.32则认为是完全睁开状态；在对驾驶员的疲劳状态判断的过程中，采用PERCLOS原理与眨眼频率相结合的方式，设置不同阈值，进行判断。

2.根据权利要求1所述的一种基于视频信息的驾驶员疲劳检测方法，其特征包括如下步骤：

S1、通过CCD摄像头实时采集驾驶员图像信息，利用图像处理技术对视频帧图像进行灰度化、增强和滤波；

S2、采用Harr分类器对视频图像进行检测，将检测到的人脸区域作为感兴趣区域，在此区域内继续利用Harr分类器检测人眼，并采用自适应阈值法排除非人眼区域；

S3、采用卡尔曼滤波跟踪算法对驾驶员人眼进行目标跟踪；

S4、将人眼区域图像二值化，计算人眼高宽比、眼部区域面积与外接矩形面积比，并判定人眼状态；

S5、在获得人眼状态的基础上，计算单位时间内闭合眼睛所占百分比PERCLOS值和眨眼频率，将PERCLOS值及眨眼频率与所设阈值相比，从而判定驾驶员疲劳状态。

3.根据权利要求2所述一种基于视频信息的驾驶员疲劳检测方法，其特征在于S3中人眼跟踪步骤采用卡尔曼滤波跟踪算法并采用Adaboost算法作为观测条件，具体是：

A1、在每帧图像中，人眼的状态用位置和速度表示，设时间t＝k时，通过Adaboost算法检测人眼位置坐标为(x_k,y_k)，在x、y轴方向的移动速度为(u_k,v_k)，此时状态向量方程为：

X_k＝[x_k,y_k,u_k,v_k]^T；

A2、由于没有输入，进一步有：

X_k+1＝A_kX_k+W_k；

A3、在实际检测中，相邻两帧图像时间间隔较短，目标运动能看做是匀速线性的，A_k可表示为：

A4、观测模型为：

Z_k＝Hx_k+V_k

Z_k表示t时刻图像中人眼位置，且仅跟位置相关，因而H可以表示为

跟踪状态初始值由连续两帧中的人眼运动信息确定；在每次迭代校正过程中，通过Adaboost算法进行人眼检测获得观测值；在实际跟踪中，若出现目标丢失情况，此时需要采用Adaboost算法对整幅图像重新检测定位。

4.根据权利要求2所述一种基于视频信息的驾驶员疲劳检测方法，其特征在于，S4中人眼状态识别步骤具体包括：

A1、在人眼区域二值化图像中进行积分投影，获得人眼高宽比；

A2、计算人眼区域二值化图像中人眼黑色区域面积与其外接矩形面积的比例；

A3、将人眼高宽比λ、人眼面积和外接矩形面积比P与所设阈值进行对比判断，λ有两个阈值：0.21、0.32，P阈值为0.75。

5.根据权利要求2所述一种基于视频信息的驾驶员疲劳检测方法，其特征在于，S5步骤具体包括：

A1、计算PERCLOS＝眼睛闭合帧数/检测单元总帧数；

A2、计算检测单元内眨眼频率F；

A3、将PERCLOS值和F进行阈值比较并最终判断驾驶员状态，如果PERCLOS值f小于0.39，则判断F是否小于5，当F<5时，认为驾驶员走神；如果f大于0.39，则判断F是否大于20，当F>20时，可认为驾驶员状态正常。