[发明专利]基于AdaBoost算法的疲劳驾驶检测方法及系统

权利要求书

1.一种疲劳驾驶检测方法，其特征在于，所述方法包括：

S1、选取n个样本形成样本集合S＝{(x_i,y_i)|i＝1,2,...,n}，第i个样本(x_i,y_i)有两个元素x_i、y_i组成，x_i表示变量，y_i表示变量x_i所属的类别，x_i∈X,y_i∈Y＝{1,2,...,k},i＝1,2,...,n，X是所有变量的集合，Y是类别的集合；利用样本集合S以及改进的AdaBoost算法进行训练，从第1轮训练到第T轮的训练过程，详细步骤如下：

①调用输入的弱分类器，D_t是第t轮弱分类器的权重；

②根据弱分类器和权重获得第t轮的分类规则h_t:X→Y；

③计算分类规则h_t在训练样本集上的预测错误

④根据分类错误计算分类规则h_t的评价因子β_t＝ζ_t/(1-ζ_t)；

⑤根据评价因子β_t更新下一轮分类的权重其中，是标准化常量，使得由t轮后的评价因子计算最终的分类器

S2、选取检测到正面人脸的图像作为第一正样本，选取随机的自然图像和人脸周边区域图像为第一负样本，采用改进的AdaBoost得到人脸分类器，检测出驾驶员的脸部图像；

S3、从所述脸部图像选取睁眼的图片作为第二正样本，选取随机的自然图像和人眼周边区域图像为第二负样本，采用改进的AdaBoost得到睁眼分类器，检测脸部图像中的睁眼图像，根据连续时间内检测到人脸的帧数及检测到人眼的次数计算眨眼率；

S4、从所述脸部图像选取张嘴的图片作为第三正样本，选取随机的自然图像和嘴巴周边区域图像为第三负样本，采用改进的AdaBoost得到张嘴分类器，检测脸部图像中的张嘴图像，计算打哈欠率；

S5、根据眨眼率和打哈欠率计算疲劳指数，判断驾驶员的疲劳驾驶状态。

2.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述步骤S1中：

弱分类器的权重初始化权重界限为α_i,i∈Y，满足每一轮训练的权重关系是其中，

对各预测目标类上的样本采用不同的标准化常量，(x_i,y_i)∈S_j表示属于目标类j的第i个样本，为标准化常量,S_j＝{(x_i,y_i)|j＝y_i∈{1,2,...,K},(x_i,y_i)∈S}为整个样本集S中预测目标类j上的样本的集合。

3.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述步骤S3具体包括：

采用上述改进的AdaBoost算法得到睁眼分类器，其中第二正样本为眼睛睁开样本，第二负样本为闭眼样本或其他图像；

在驾驶员驾驶的过程中，在检测到人脸的基础上，用此睁眼分类器区分第一正样本中的睁眼图像和闭眼图像，并计算眨眼率，眨眼率计算公式为E＝(T-N_e)/T×100％，其中T为连续时间内检测到人脸的帧数，N_e为检测到人眼的次数，如果某一帧只检测到一只眼睛，则这一帧记为0.5次。

4.如权利要求1所述的疲劳驾驶检测方法，其特征在于，所述步骤S4具体包括：

采用上述改进的AdaBoost算法得到张嘴分类器，其中第三正样本为张嘴样本，第三负样本为闭嘴样本或其他图像选定样本后；

在驾驶员驾驶的过程中，在检测到人脸的基础上，用此分类器区分第一正样本中的张嘴图像和闭嘴图像，并计算打哈欠率，打哈欠率计算公式为M＝N_m/T×100％，其中T为连续时间内检测到人脸的帧数，N_m为检测到张嘴的次数。