[发明专利]一种机器视觉的疲劳驾驶预警方法

权利要求书

1.一种机器视觉的疲劳驾驶预警方法，其特征在于，包括以下步骤：

S1：实时获取驾驶员图像，并检测图像中的驾驶员的人脸区域；

S2：判断是否检测到人脸区域，若是则执行步骤S3；反之则执行步骤S1；

S3：通过Adaboost分类器检测人脸区域中的驾驶员的人眼位置，Adaboost分类器为使用多个具有人脸区域的图像特征训练的用于自动地从弱分类器空间中挑选出分类能力较强的分类器；

S4：通过定位的人眼位置，获得眼睛状态，实时绘制眼睛状态方波图，从方波图中提取PERCLOS和眨眼频率两种指标；

S5：判断驾驶员疲劳程度是否高于危险阈值，若是则进行疲劳警报；反之则继续执行步骤S4。

2.根据权利要求1所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S3时，Adaboost分类器的输入样本均为人脸正面图像样本。

3.根据权利要求2所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S3时，Adaboost分类器的训练方法如下：

S31：输入n个训练样本，n为大于3的正整数，并对每一个训练样本标记为正样本和负样本；

S32：初始化每个样本的权重；

S33：把权重归一化为一个概率分布，对每一个特征均训练一个弱分类器，对所有特征的弱分类器，计算其加权错误率；

S34：获取加权错误率最小的弱分类器，记为最优的弱分类器，并按照这个最优弱分类器，调整每个样本的权重；

S35：重复执行步骤S33至S34，获得多个最优弱分类器，得到最优弱分类器的个数；

S36：将多个最优弱分类器整合成为强分类器。

4.根据权利要求1所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S1时，获取驾驶员图像之后，在检测图像中的驾驶员的人脸区域之前，对驾驶员图像进行除噪处理。

5.根据权利要求1所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S1时，采用多视角的人脸检测策略，检测图像中获取准确的人脸区域。

6.根据权利要求2所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S3时，Adaboost分类器包括睁眼分类器和闭眼分类器，睁眼分类器的输出为睁眼状态信号、人眼位置以及人眼放大图像；闭眼分类器的输出为闭眼状态信号。

7.根据权利要求6所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

在执行步骤S4时，首先使用睁眼分类器检测目标区域；若检测到睁眼则输出检测结果；反之若睁眼分类器未检测到目标，则由闭眼分类器重新进行检测；若是闭眼分类器有若检测到目标，则表示人脸图像处于闭眼状态；反之若闭眼分类器未检测到目标，则该图像为异常图像，进行反馈。

8.根据权利要求6所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S4时，通过人脸区域中的人眼位置以及人眼放大图像中的瞳孔特征对眼睛状态进行修正。

9.根据权利要求1所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S5之前，预设危险阈值。

10.根据权利要求1所述的一种机器视觉的疲劳驾驶预警方法，其特征在于：

执行步骤S5时，进行疲劳警报时，将获得的驾驶员图像和驾驶员疲劳程度值上传至远程云平台，根据驾驶员图像匹配到驾驶员信息，根据驾驶员预先上传的警报方式进行相应的疲劳警报。