[发明专利]基于神经网络的疲劳驾驶检测方法

权利要求书

1.基于神经网络的疲劳驾驶检测方法，其特征在于：包括以下步骤：

S1、通过摄像头实时采集人脸图像；

S2、将采集的人脸图像进行图像预处理；

S3、将图像预处理后的人脸图像输入到卷积神经网络模型中，进行人脸定位和人脸特征定位，输出人脸特征定位后的人脸特征图像；所述人脸特征包括眼和嘴；

S4、根据人脸特征图像中各人脸特征的状态计算PERCLOS参数f_P、眨眼频率BF参数f_BF和打哈欠参数f_yawn；

S5、根据PERCLOS参数f_P、眨眼频率BF参数f_BF和打哈欠参数f_yawn和对应的权重计算疲劳指数；

S6、将疲劳指数与预警阈值进行比较，若满足预警阈值则生成预警提示信息。

2.根据权利要求1所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述PERCLOS参数f_P的表达式如下：

f_P＝N_close/N_total×100％

其中，N_close表示在一段时间内眼睛闭合状态下的总帧数，N_total与表示在该段时间内总的帧数。

3.根据权利要求2所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述眨眼频率BF参数f_BF的表达式如下：

其中，n₁表示在一定时间内的眨眼次数，N₁表示在该时间内的总帧数，t_f为处理每帧图片的时间。

4.根据权利要求3所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述打哈欠参数f_yawn的表达式如下：

f_yawn＝n₂/N₂

其中，n₂表示在一定时间内嘴部外界方框明显增大的帧数，N₂表示该时间内的帧数。

5.根据权利要求4所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述步骤S5中，PERCLOS参数f_P、眨眼频率BF参数f_BF和打哈欠参数f_yawn对应的权重分别为ω₁,ω₂,ω₃，疲劳指数的表达式如下：

f＝ω₁f_p+ω₂f_BF+ω₃f_yawn

其中，ω₁ω₂ω₃，且ω₁+ω₂+ω₃＝1。

6.根据权利要求5所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述步骤S4的PERCLOS参数f_P、眨眼频率BF参数f_BF中每帧图像眨眼、闭眼的判断方法包括以下步骤：

对人脸特征图像中定位的眼部进行建模，眼角左右两点分别为P1、P4，瞳仁上两点分别为P2、P3，瞳仁下面两点分别为P5、P6；

分别计算P1P4,P2P6,P3P5的长度，并按照EAR公式计算EAR值；

将人脸特征图像中每帧图像的EAR值与闭眼阈值进行对比，若EAR值小于闭眼阈值，则判断该帧图像为闭眼；

当EAR值由睁眼阈值降低到闭眼阈值时，为一次状态改变，统计为一次眨眼。

7.根据权利要求6所述的基于神经网络的疲劳驾驶检测方法，其特征在于：所述EAR公式如下：