[发明专利]一种基于心率和面部特征的非侵入式疲劳驾驶识别方法

说明书

本发明提出了一种基于心率和面部特征的非侵入式疲劳驾驶识别方法。该方法通过体感摄像机Kinect获取面部视频，根据面部视频使用独立量分析，分离出R、G、B和红外四个通道；使用傅里叶变换计算出心率；使用体感摄像机Kinect人脸追踪开发工具包获取视频中面部区域图像及眼睛和嘴部区域的特征点；计算眼睛张开度，用于统计眨眼持续时间PERCLOS；利用支持向量机对嘴部区域图像分成打哈欠和未打哈欠两类，统计打哈欠频率；将获得的心率统计特征、PERCLOS统计和打哈欠频率特征融合后进行疲劳识别。本发明结合心率和打哈欠是驾驶员下意识的特征，提高疲劳驾驶检测的可靠性。

技术领域

本发明涉及一种疲劳驾驶检测技术，具体涉及一种基于心率和面部特征的非侵入式疲劳驾驶识别方法。

背景技术

当驾驶员处于疲劳驾驶状态时，其注意力会变得分散，识别路况和驾驶能力明显下降，因此无论是对他们自己还是他人的生命安全均构成了威胁。因此开发能及时检测驾驶员是否疲劳驾驶并做出预警的系统，对于较少交通事故意义重大。

目前有不少疲劳驾驶检测的方法，但仍然有很多问题有待解决或值得进一步研究。其一，基于车辆行为的方法。基于车辆行为的方法主要是通过测量转向角、速度、加速度、转弯角度等车辆数据，虽然收集车辆信号很方便，但是此时驾驶员已经明显表现出疲劳，因此这种方法无法有效的及时的检测到驾驶员是否疲劳并做出预警。其二，基于生理信号的方法。基于生理信号的方法研究主要是研究脑电图(EEG)，眼电图(EOG)和心电图(ECG)和心率等生理信号，虽然提到的这些方法可以获得很高准确率，但是这些方法都需要驾驶员佩戴相关检测设备，有很强的侵入性，会妨碍驾驶员驾驶。同时在进行检测疲劳驾驶前需要驾驶员佩戴相关设备，用户体验不友好。

当司机疲劳时会出现频繁闭眼、点头和打哈欠等行为。基于行为的方法就是通过视觉分析驾驶员例如闭眼，眨眼，打哈欠，头部姿势、眼睑运动和面部表情等面部特征来检测是否疲劳。由于基于视觉的行为的方法不会干扰司机驾驶，更容易被驾驶员所接受。基于检测眼睛闭合频率来计算PERCLOS(Percentage of Eye Closure)值来判断是否疲劳，有些除了分析眼部区域的特征外还结合头部运动来进行检测。但是当司机带墨镜时候，通过眼部区域特征来判断是否疲劳这种方法将会失效。

更好的解决方案是对面部图像分析出心率。面部的血液会随着心脏的收缩和放松而变化，血液的变化意味着面部热量和颜色会发生微小的变化，因此Kinect获取的红外图像和RGB图像将着时间产生微小的变化，而这个变化的频率就是我们需要求的心率。当司机疲劳时会出现频繁闭眼、点头和打哈欠等行为。基于视觉的行为的方法不会干扰司机驾驶，更容易被驾驶员所接受。基于检测眼睛闭合频率来计算PERCLOS(Percentage of EyeClosure)值来判断是否疲劳，有些除了分析眼部区域的特征外还结合头部运动来进行检测。但是当司机带墨镜时候，通过眼部区域特征来判断是否疲劳这种方法将会失效。通过Kinect的红外图像，既可以大大降低光照变化所带来的影响也能很好的解决带墨镜时的情况。人下意识很容易控制眼睛闭合频率，仅仅通过眼部特征来判断是否疲劳这种方法不可靠。但是打哈欠和心率是很难下意识的控制的，因此我们应当融合心率、眼部特征和嘴部特征来提高疲劳驾驶检测的稳定性与准确性。

发明内容

为了解决上述现有技术所存在的问题，本发明提供一种基于心率和面部特征的非侵入式疲劳驾驶识别方法，通过Kinect获取RGB图像和红外(IR)图像，然后根据这些图像数据计算心率并获取面部特征，最终将心率和面部特征融合，使用随机森林算法分类出疲劳和未疲劳两种状态。

本发明的目的通过如下技术方案实现。

一种基于心率和面部特征的非侵入式疲劳驾驶识别方法，该方法包括以下步骤：

S1、通过体感摄像机Kinect获取面部视频，根据面部视频使用独立量分析(Independent Component Analysis)分离出R、G、B和红外四个通道；使用傅里叶变换计算出心率；