[发明专利]基于AdaBoost算法的疲劳驾驶检测方法及系统

说明书

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于AdaBoost算法的疲劳驾驶检测方法及系统。

背景技术

随着我国经济快速发展，汽车保有量也逐渐地增加。汽车在给我们人们日常生活带来极大便利的同时，也随之带来了诸多的问题，如城市交通环境逐渐恶化、交通堵塞日益严重、交通事故时有发生等。交通事故的发生有外部的因素，也有人为的因素，外部因素主要是雨雪天气，使得道路行驶困难，光线较暗影响驾驶员视线等，而人为因素是驾驶员醉酒，疲劳驾驶等原因。外部因素可以通过控制出行、增加路面可见度等来进行部分避免；人为因素则需要通过加强监管和采用技术手段来避免，国家通过立法的形式有效地遏制了酒驾的发生，而对于疲劳度驾驶，目前没有较好的手段进行解决。近年来，计算机视觉获得快速发展，其效率和速度明显提高，所以如何实时有效地检测疲劳驾驶状态并向驾驶员发出预警信号是智能驾驶研究领域的一个重要课题。

当前，利用面部图像检测疲劳驾驶的方法主要包括：眼睛特征、视线方向变化及嘴部状态等。当驾驶员出现疲劳时，其眼睑运动速度变慢，眨眼频率会加快，常用眼睑闭合度PERCLOS(Percent Eye Closure)的方法来检测眼部特征，从而判断驾驶员是否疲劳，PERCLOS指瞳孔被眼睑遮挡的时间占特定时间的比率，(AliErgunReal time eye detection algorithm for PERCLOS calculation,2016 24th Signal Processing and Communication Application Conference(SIU),1641-1644.)。然而，PERCLOS方法需要精确检测眼睑遮挡眼球的比例，也就是眼睛睁开的大小，这依赖于摄像头的清晰度和检测的精度，在硬件达不到的条件下误差很大，限制了该方法的普及应用。

视线方向检测，把眼球中心与眼球表面亮点的连线定为驾驶员视线方向。清醒状态下，驾驶员正视车辆运动前方，同时，视线方向移动速度比较快；疲劳时，驾驶员视线方向的移动速度会变慢，表现出迟钝现象，并且视线轴会偏离正常的位置。通过摄像头获取眼睛的图像，对眼球建模，把视线是否偏离正常范围作为判别驾驶员是否疲劳的特征之一，一般用眼动仪检测视线方向，检测时驾驶员头部偏移不能过大，这显然在驾驶过程中难以保证，并且眼动仪的成本同样高昂，难以普及应用。

嘴部状态检测，人在疲劳时往往都有频繁的哈欠动作，如果监测到哈欠的频率超过一个预定的阈值，则判断已处于疲劳状态(汤一平，楼勇攀，周宗思.基于全方位视觉传感器的驾驶疲劳视频检测装置的设计[J].计算机测量与控制,2008,16(9):1233-1236.)。基于此原理，可以完成对驾驶员的疲劳检测。研究表明，利用视频采集驾驶员的面部图像，判断驾驶员是否疲劳具有准确性高和可靠性高的优点，是无接触的检测方法,驾驶员容易接受，但是这种方法对视频检测技术的要求比较高，测量的准确性与可靠性等相关的技术需要取得突破。

综上分析，本发明采用眨眼和打哈欠的频率来检测疲劳状态。在PERCLOS的基础上，将眨眼定义为在一定的时间内眼睛闭合的时间占总时间的比例，为了提高疲劳检测准确率，可以综合检测平均睁眼程度、最长眼睛闭合时间的特征作为疲劳指标，可达到较高的疲劳检测准确率。采用改进的AdaBoost算法检测人脸、眼睛闭合率和打哈欠率，达到快速准确的检测效果。

发明内容

本发明所要解决的技术问题在于，针对上述目前的疲劳驾驶检测方法存在误差较大、成本昂贵、可靠性不足等中的一种或多种技术缺陷，本发明提供了一种基于AdaBoost算法的疲劳驾驶检测方法及系统。

本发明解决上述问题的技术方案如下：

S1、针对传统AdaBoost算法存在的问题，提出改进措施，在每一轮循环中,预测目标类按照权重分布的比例,在目标类内部计算权重,进行标准化，并且在目标内部重新初始化；

S2、选取包含正面人脸的图像作为正样本，选取随机的自然图像和人脸周边区域图像为负样本，采用改进的AdaBoost得到人脸分类器，用于检测驾驶员的脸部图像；

S3、选取睁眼的图片作为正样本，选取随机的自然图像和人眼周边区域图像为负样本，采用改进的AdaBoost得到睁眼分类器，用于检测驾驶脸部的睁眼区域；

S4、选取张嘴的图片作为正样本，选取随机的自然图像和嘴巴周边区域图像为负样本，采用改进的AdaBoost得到张嘴分类器，用于检测驾驶脸部的张嘴区域；