[发明专利]基于面部特征的实时睡意检测方法

说明书

本发明公开了一种基于面部特征的实时睡意检测方法，包括人脸检测、闭眼检测和打哈欠检测；使用Viola Jones检测到脸部，通过分割将皮肤区域独立，使得亮度不变；闭眼检测采用sobel边缘检测，打哈欠检测采用k‑means聚类，分割出嘴巴区域；将上述每个阶段得到的特征进行连接，然后通过一个二进制线性支持向量机分类器分类特征向量得出睡意状态或者正常状态。本发明通过监视眼睛和嘴巴的状态实现嗜睡检测，而不需要任何传感器或可穿戴设备，并且可以在各种照明条件下很好地工作。

技术领域

本发明涉及睡意检测技术，具体涉及一种基于面部特征的实时睡意检测方法。

背景技术

在过去的十年中，睡意检测已经被广泛研究。目前比较常用的睡意检测是HOG和SVM方法，所使用的数据是基于人们手动标注的。与手动标注相比，智能化的睡意检测要更加准确，因为人的决定比智能更容易犯错误。此外，还有通过智能手表和包含传感器识别的头带来检测睡意的方法，但是该方法受到司机选择的限制，司机可能不愿意戴头带。

监督式学习方法需要高度可靠的基本事实。在之前的研究中使用人类定义的眼睛特征，从眼睑运动计算开始。这意味着该方法局限于眼睑运动提供的信息。因此，仅提取和利用那些人造特征可能会导致丢失一些有意义的信息，困倦状态可能发生却未被检测。因此，只能使用更加复杂的算法来识别疲倦。比如使用基于深度学习的面部表情识别，但是，该方法的缺点是需要大量的数据来训练神经网络。

发明内容

本发明的目的在于提供一种基于面部特征的实时睡意检测方法，通过监视眼睛和嘴巴的状态实现嗜睡检测。

实现本发明目的的技术方案为：一种基于面部特征的实时睡意检测方法，包括以下步骤：

步骤1，人脸检测和皮肤分割

使用Viola Jones进行面部特征检测，检测到人脸后，通过将图像转换为YCbCr域来执行皮肤分割；

步骤2，闭眼检测

使用边缘检测识别出两只眼睛，并根据单只眼睛的对称性确定眼睛的中心，最后确定瞳孔；如果眼睛打开，执行步骤3；如果眼睛闭合，并超过第一阈值时间，则将其视为睡意状态，在该状态期间设置警报，若眼睛闭合时间未超过第一阈值时间，则执行步骤3；

步骤3，打哈欠检测

使用Viola Jones检测到嘴部区域，采用k-means聚类对嘴部区域进行分割，通过对区域内图像像素的划分，判断嘴巴是否张开，并利用相关系数模板匹配进行跟踪，如果嘴巴张开时间大于第二阈值时间，则视为打哈欠状态；

步骤4，睡意检测

采用线性核的二元SVM分类器进行分类，如果检测眼部打开，未检测到打哈欠，视为正常状态；如果检测眼部打开，并且检测到打哈欠，则视为睡意状态；如果检测眼部闭合超过第一阈值时间，则视为睡意状态；在最终检测为睡意状态下打开警报。

进一步的，步骤2中，第一阈值时间为3秒。

进一步的，步骤2中，使用sobel边缘检测识别出两只眼睛。

进一步的，步骤3中，第二阈值时间为3秒。

与现有技术相比，本发明的显著优点为：本发明通过监视眼睛和嘴巴的状态实现嗜睡检测，而不需要任何传感器或可穿戴设备，并且可以在各种照明条件下很好地工作。

附图说明

图1为基于面部特征的实时睡意检测方法流程图。

具体实施方式

结合图1，一种基于面部特征的实时睡意检测方法，包括以下步骤：

步骤1、人脸检测和皮肤分割