[发明专利]一种基于眼睛特征的疲劳驾驶检测方法

摘要

本发明涉及一种基于眼睛特征的疲劳驾驶检测方法，包括以下步骤建立人脸检测分类器；实时采集驾驶员的驾驶状态图像；在驾驶状态图像中精确定位驾驶员的眼睛位置；在连续视频图像中，根据上一帧图像中眼睛的位置，准确预测当前帧中眼睛的位置；根据预测的眼睛位置，精确定位眼睛位置，并用新的眼睛位置替换上一帧眼睛位置；判断驾驶员眼睛的开闭状态，根据单位时间内闭眼帧数所占比例，判断驾驶员是否处于疲劳驾驶状态；若驾驶员处于疲劳驾驶状态，则进行报警提示或向远程服务器发送处于疲劳驾驶状态时的实时视频并接收远程命令。本发明具有监控准确度高，漏检误检少，受环境影响小，速度快，成本低等特点。

主权项

一种基于眼睛特征的疲劳驾驶检测方法，其特征在于：该检测方法包括以下步骤：(1)建立人脸检测分类器；(2)实时采集驾驶员的驾驶状态图像；(3)在驾驶状态图像中精确定位驾驶员的眼睛位置；步骤(3)中，所述的在驾驶状态图像中精确定位驾驶员的眼睛位置，具体包括以下步骤：(31)基于harr特征和adaboost分类器，进行人脸定位；(32)基于人脸的三庭五眼布局规律，粗定位眼睛位置；(33)精确定位眼睛的位置；步骤(33)中，精确定位左眼睛和右眼睛的位置的方法相同，其中，精确定位左眼睛的方法具体包括以下步骤：(331)利用以下公式，对左眼的灰度图像进行增强；g(x,y)=0f(x,y)≤tminf(x,y)-tmintmax-tmintmin<f(x,y)<tmax255f(x,y)≥tmax]]>其中，f(x,y)为原图的灰度值，g(x,y)为增强图像的灰度值，tmin为原图灰度最小值加上10，tmax为原图灰度最大值减去15；(332)基于边缘检测算子式，进行水平边缘检测；所述的边缘检测算子式为：K=-1-2-1000121;]]>(333)基于结构元素模板式，进行形态学闭运算；所述的结构元素模板式为：K=000100011111110001000;]]>(334)去除面积较小的连通区域；(335)获取左眼的精确位置；(336)利用以下公式，扩展左眼的精确位置区域，获取最终的左眼矩形位置区域rect_left，其中，rect是左眼的精确矩形位置；(4)在连续视频图像中，根据上一帧图像中眼睛位置，准确预测当前帧图像中的眼睛位置；(5)根据预测的眼睛位置，精确定位眼睛位置，并用新的眼睛位置替换上一帧中的眼睛位置；同时，判断驾驶员眼睛的开闭状态，并根据单位时间内闭眼帧数所占比例，判断驾驶员是否处于疲劳驾驶状态；(6)若驾驶员处于疲劳驾驶状态，则进行报警提示或向远程服务器发送处于疲劳驾驶状态时的实时视频并接收远程命令。