[发明专利]基于视频信息的驾驶员疲劳检测方法

说明书

本发明公开一种基于视频信息的疲劳驾驶检测方法。该方法利用图像处理技术对视频帧图像进行灰度化、增强、滤波等操作；S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；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；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，综合多项指标判定驾驶员疲劳状态，从而使得判断结果更为科学和准确。

技术领域

本发明涉及图像处理和模式识别领域，具体设计为一种驾驶员疲劳检测方法。

背景技术

随着汽车产业的飞速发展，汽车保有量不断上升的同时交通安全问题也日益突出，其中因疲劳驾驶导致的交通事故也越来越多。目前针对疲劳检测的方法有四种。

(1)基于驾驶员生理信号的检测方法，当驾驶员处于疲劳状态时，其穴位生物电、脑电波、血压等生理指标都会发生变化，根据这些指标变化可以检测驾驶员状态，不过这种方法对检测仪器的精度有很高的要求，并且接触到驾驶员会产生驾驶不适的使用体验。

(2)基于车辆行驶状态的检测方法，车辆的侧向位移、速度、加速度等状态信息都能反映出驾驶员所处驾驶状态，对车辆的状态信息进行检测，可以推测出驾驶员状态，不过这种方法准确度不高。

(3)基于驾驶员驾驶行为的检测方法，当驾驶员处于疲劳状态时，驾驶行为会发生变化，如对方向盘的操作时间，脚踏板控制力度等，通过传感器对驾驶行为进行检查，可以判断驾驶员状态。不过这种方法所采用的标准难以统一，难以真正大规模推广。

(4)基于驾驶员眼部特征的检测方法，当驾驶员处于疲劳状态时，其眼睛睁闭时间的比例与正常情况不同，通过采用图像处理技术获得人眼睁闭状态进而判断驾驶员疲劳状况，这种方法相对简单实用，目前被广泛采用。不过这种检测方法对人眼定位的要求较高，对疲劳判断标准的选择还有待进一步精确，在准确度和实时性层面有一定的提升空间。

发明内容

为解决上述技术问题，本发明公开了一种基于驾驶员图像信息的疲劳检测方法，具体技术方案如下。

一种基于视频信息的驾驶员疲劳检测方法，该方法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。

进一步地，所述的一种基于视频信息的驾驶员疲劳检测方法包括如下步骤：

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。

进一步地，所述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：