[發明專利]一種駕駛員視線方向的檢測方法

有效

• 申請號: 201410103324.8
• 申請日: 2014-03-19
• 公開（公告）號: CN103839055B
• 公開（公告）日: 2017-08-29
• 發明（設計）人: 李峰;李佳桐;凌強
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京凱特來知識產權代理有限公司11260
• 代理人: 鄭立明,趙鎮勇

技術領域

本發明涉及智能交通技術領域，尤其涉及一種駕駛員視線方向的檢測方法。

背景技術

隨著經濟的飛速發展，各國的機動車保有量迅速增加，根據中國交通部的最新統計，截至2011年底，我國汽車保有量超過1億輛，機動車駕駛人員達到2.3億人。但隨之而來的是公路、鐵路上的交通事故頻發，安全問題日趨嚴重。全世界每年因交通事故而死亡的人數為80萬，因交通事故受傷的人更多，平均每年高達1500萬人，已成為危害人類生命安全的最大公害。長期以來，各國的專家、學者主要從駕駛員、車輛和道路環境三個方面進行交通安全方面的研究。結果表明，駕駛員、車輛、道路環境三個方面對交通安全的影響程度不同，駕駛員的因素在交通安全中占最主要的地位，道路環境和車輛次之。據2002年我國交通部提供的資料顯示，由疲勞駕駛引起的車禍高達48%，直接經濟損失達數百萬之多。在智能汽車逐漸走向人們的今天，疲勞駕駛檢測是汽車智能輔助駕駛中的關鍵環節，不光在理論研究和工程實際中有廣泛的研究價值，更具有廣闊的市場前景。

目前疲勞檢測的方法主要分為主觀疲勞檢測和客觀疲勞檢測方法。主觀的疲勞檢測方法受被檢測主體差異性的影響較大，很難成為通用客觀的疲勞檢測標準。目前科研應用領域和工程應用領域用的比較多的還是客觀的疲勞檢測方法，主要有以下幾種：

1）基于駕駛人生理參數的檢測方法

a.腦電圖信號檢測：腦電圖(EEG)可以反映整個腦電活動的整體分布，故一直被稱為疲勞檢測的“金標準”。

b.心電圖信號檢測：Yang G等人研究發現，心電圖(ECG)信號的LF(低頻能量)、HF(高頻能量)、LF/HF比率和VLF(超低頻能量)在疲勞時顯著異常。

c.肌電圖信號檢測：肌電信號（EMG）是由神經肌肉活動所釋放的生物電信號，可以反映神經、肌肉的功能狀態。

d.脈搏跳動檢測：日本電腦便民公司設計了一種疲勞檢測系統，在方向盤上安裝智能傳感器用以采集司機握方向盤時脈搏的跳動，并將信息傳給后臺應用軟件進行分析處理。

2）基于交通工具行為特征的檢測

a.方向盤轉動情況檢測：Wylie等人利用方向盤轉角的功率譜密度函數來表征疲勞程度，其理論依據是認為駕駛員在疲勞狀態下更多的是傾向于簡單的操作，快的大的方向盤動作增加了，而細致的、需要慢慢調整的動作減少了。

b.車輛行駛速度檢測：沃爾沃公司開發的駕駛員警示系統主要是通過對車輛的行駛速度進行實時監測記錄，分析判斷車輛是否一直處于有效地行駛狀態。

c.車道偏移檢測：美國AssistWare Technology公司研發的SafeTRAC裝置利用車道保持狀態并結合駕駛員方向盤操作特性來對駕駛員的疲勞狀態進行檢測。

3）基于駕駛人行為特征的檢測：

a.眼部狀態檢測：由于檢測眼睛狀態的方法與駕駛員生理參數地變化具有一致性，且其檢測直接，具有可接受性強、非侵入性等特點，是目前研究的熱點。Carnegie Mellon大學的Driving Research Center最早提出了疲勞判決機制—PERCLOS值，即在一定的時間內眼睛閉合時所占的時間比例，來判斷司機的疲勞程度。目前，基于PERCLOS值判定的方法提取的是眼部特征應用最廣的疲勞檢測判定方法。

b.頭部位置檢測：澳大利亞Advanced Safety Concepts Ins設計了一種HPS頭部位置智能傳感器，通過測量頭部電壓來間接的得到傳感器與頭部間的距離，根據頭部位置的變化情況來分析判斷司機的駕駛狀態。

比較各方法的優缺點可以發現，基于駕駛人生理參數的檢測、基于交通工具行為特征的檢測和頭部位置檢測，由于需要安裝接觸身體性的儀器，可能會影響駕駛員的操作。例如監測駕駛員頭部運動的裝置需要在駕駛員頭部做標記，心電、腦電的測量一般需要在人體粘貼電極。而基于駕駛人行為特征的檢測中，眼部狀態檢測和提取眼部特征的視線檢測，受駕駛人員是否戴眼鏡，是否戴墨鏡，眼睛大小等因素影響較大，適用范圍仍有較大局限性；基于頭部位置的司機駕駛狀態檢測，需要安裝專用的傳感器而造成成本增加，且不能對駕駛員視線方向進行準確判斷。

發明內容

本發明的目的是提供一種駕駛員視線方向的檢測方法，能夠較為準確的檢測出駕駛員視線方向，避免由于疲勞駕駛而存在的安全隱患。

本發明的目的是通過以下技術方案實現的：

一種駕駛員視線方向的檢測方法，該方法包括：

確定視頻圖像中每幀圖像的感興趣區域，并基于haar特征在所述感興趣區域檢測駕駛員鼻子的位置；