[發明專利]一種基于CNN眼部狀態識別的駕駛員疲勞檢測方法

在審

• 申請號: 201710029815.6
• 申請日: 2017-01-13
• 公開（公告）號: CN108294759A
• 公開（公告）日: 2018-07-20
• 發明（設計）人: 耿磊;梁曉昱;肖志濤;張芳;吳駿;蘇靜靜
• 申請（專利權）人: 天津工業大學
• 主分類號: A61B5/11
• 分類號: A61B5/11;G06K9/62;G06K9/00;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于CNN眼部狀態識別的駕駛員疲勞檢測方法，所述方法包括下列步驟：

(1)采用紅外光源、窄帶濾光片配合高分辨率工業鏡頭搭建用于采集待測圖像的紅外采集系統，用所搭建的系統采集部分待測的面部圖像樣本；

(2)利用步驟1中搭建的采集系統獲得圖像輸入，采用基于haar特征和AdaBoost算法的級聯分類器檢測出人臉區域，并由級聯回歸模型提取出包含眼部、鼻梁、眉骨和外側主輪廓的60個人臉特征點集合；

(3)在步驟2確定人臉特征點的基礎上計算出人臉的眼部區域并構建疲勞數據集；

(4)設計特定結構的眼部狀態識別卷積神經網絡，根據步驟3中得到的疲勞數據集進行深度學習網絡訓練，獲得在推薦訓練參數下的識別模型；

(5)使用4中訓練出的識別模型完成駕駛員眼部狀態識別，量化識別結果，根據設定的閾值通過多個疲勞準則綜合計算駕駛員疲勞狀態得分，輸出疲勞狀態檢測結果，預警疲勞駕駛行為。

2.如權利要求1所述的方法，其特征在于，步驟(2)中，選用主動紅外光源(840nm)進行補光照明，同時采用840nm的紅外增強窄帶濾光片進行配合使用，搭建的紅外圖像采集系統如圖2。

3.如權利要求1所述的方法，其特征在于，步驟(3)中，按照9∶1比例分配訓練集和測試集，并根據閉眼樣本數量控制睜眼樣本數量，推薦睜眼圖片7000張、閉眼圖片5000張。對樣本進行灰度化，圖片尺寸統一調整為36*30。部分樣本如圖4所示。

4.如權利要求1所述的方法，其特征在于，步驟(4)中，通過特定的卷積神經網絡訓練模型進行檢測的方式提高眼部狀態識別的準確率。

5.如權利要求1所述的方法，其特征在于，步驟(4)中，網絡結構模型的參數為卷積層和降采樣層卷積核大小分別為5*5和2*2，步長為2，如表1。

6.如權利要求1所述的方法，其特征在于，步驟(4)中，dropout中的概率p取值為0.5。

7.如權利要求1所述的方法，其特征在于，步驟(5)中，將利用卷積神經網絡模型識別的眼部狀態結果量化為睜開1、閉合0兩種狀態，其中0代表眼部閉合，1代表眼部睜開。

8.如權利要求1所述的方法，其特征在于，步驟(5)中多個使用兩次PERCLOS值和眨眼頻率三個約束條件綜合判定駕駛員疲勞狀態，如圖9。

9.如權利要求1所述的方法，其特征在于，步驟(5)中兩次PERCLOS判別閾值分別為t_p1＝0.25，t_p2＝0.15。