[发明专利]基于多特征融合的疲劳驾驶检测方法

权利要求书

1.基于多特征融合的疲劳驾驶检测方法，其特征在于，包括以下步骤：

S1：采集人脸和道路视频图像，并进行图像预处理；

S2：对于处理后的人脸图像进行眼睛和嘴巴的精确定位，并提取眼睛和嘴巴图片；

S3：运用一些图像处理算法实现眼睛开闭检测和嘴巴开度测量；

S4：根据道路图像的特点使用直线车道模型，实现车道线的检测；

S5：对于眼睛开闭检测的结果采用PERLOS方法来判断疲劳；对于嘴巴开度疲劳分析，采用开度阈值和时长阈值来判断疲劳；对于车道偏航，采用偏航率δ来做车道偏航分析判断疲劳；

S6：对以上特征做融合分析，采用多特征数据融合方法以及融合多特征信息的加权平均分析法，对疲劳程度进行计算；

S7：根据检测到车道偏离，并在嘴巴和眼睛特征上有疲劳表征便做出相应的预警。

2.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述PERLOS方法来判断疲劳的具体方法如下：

S2-1：计算f值：

1)在眼睛开闭检测算法提供的数据基础上，使用一些简单的滤波方法，使得提高数据的可靠性；

2)在检测到某两帧的状态从“1”变到“0”时，开始帧计数；

3)在步骤2)的基础上，当算法检测到某两帧状态从“0”变到“1”时停止帧计数；

4)在步骤3)的基础，使用帧数来乘帧间隔时间，得到这段的闭眼时间；

5)使用以下公式计算时间比例，并集合判断疲劳规则得出实验人员所处状态；

其中，正常眨眼时间长度为Δt，在一次闭眼测量中测量到的闭眼时间长度为Δt'，f为PERCLOS值；

6)重置帧计数，并进入步骤1)；

S2-2：基于f值的疲劳判断规则：

1)当f值大于等于0.8时，认为驾驶员处于疲劳状态；

2)当f值小于0.8且大于等于0.5时，并且在一分钟内出现大于三次，这时认为驾驶人员轻度疲劳；

3)当f值小于0.5且大于0.2时，认为处于精神不佳状态，可能进入疲劳状态；

4)当f值小于0.2时，认为处于清醒状态；

S2-3：计算持续闭眼时间TC值，计算公式如下：

TC＝t_e-t_s，

其中，以检测到闭眼的帧作为开始计时点t_s(眼睛状态由“1”变到“0”的帧)，并把接下来再次检测到睁眼作为计时结束点t_e(眼睛状态由“0”变到“1”的帧)；

S2-4：基于TC值的疲劳判断规则：

1)当TC值大于1.5s时认为处于严重疲劳状态；

2)当TC值小于1.5s且大于1秒时认为处于中度疲劳状态；

3)当TC值小于1s且大于0.5s时认为处于轻度疲劳状态；

4)当TC值小于0.5s时处于精神良好状态。

3.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，采用开度阈值和时长阈值来判断疲劳的具体方法如下：

S3-1：哈欠门限阈值λ＝85，哈欠持续时间阀值Δt＝3s；

S3-2：判断疲劳的具体步骤：

1)在原始检测计算所得的开度曲线上做一维高斯滤波；

2)在曲线中把当前开度值和λ值比较，当出现开度值大于λ值时，开启帧计数，直到开度值小于λ值时停止帧计数；

3)计算帧计数所得的时间，并把该时间和Δt时间做比较，同时重置帧计数；

4)当计算所得的时间大于或等于Δt＝3s时，认为这是一次哈欠，并记录此次哈欠的时间；

5)计算单位时间内的哈欠频率，并根据此频率的大小给出疲劳指标；

6)回到第1)步开始新一轮的检测；

S3-3：基于持续哈欠时长Y_t的疲劳判断规则：

1)当Y_t值大于等于7s时，认为处于严重疲劳状态；

2)当Y_t值小于7s大于等于5.5s时，认为处于中度疲劳状态；

3)当Y_t值小于5.5s大于等于4.5s时，认为处于精神不佳状态；

4)当Y_t值小于4.5s时，认为处于清晰状态。