[發(fā)明專利]基于計算機(jī)視覺的疲勞駕駛檢測方法及裝置

在審

• 申請?zhí)枺?/td>: 201710092630.X
• 申請日: 2017-02-21
• 公開（公告）號: CN106919913A
• 公開（公告）日: 2017-07-04
• 發(fā)明（設(shè)計）人: 蔣海軍
• 申請（專利權(quán)）人: 上海蔚來汽車有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 中國專利代理(香港)有限公司72001
• 代理人: 方世棟,劉春元

技術(shù)領(lǐng)域

本發(fā)明涉及疲勞駕駛檢測方法及裝置，更具體地，涉及基于計算機(jī)視覺的疲勞駕駛檢測方法及裝置。

背景技術(shù)

目前，隨著車輛的日益發(fā)展和普及，對駕駛員在行車中出現(xiàn)的疲勞現(xiàn)象(例如眨眼，打哈欠等等)進(jìn)行實(shí)時地檢測以避免事故的發(fā)生變得越來越重要。

在現(xiàn)有的技術(shù)方案中，典型地基于駕駛員的生理參數(shù)(例如腦電波、眼電波、心律等等)來監(jiān)測駕駛員是否出現(xiàn)疲勞現(xiàn)象，即通過將實(shí)時檢測出的駕駛員的生理參數(shù)與其清醒時所測量的生理參數(shù)相比較而確定疲勞現(xiàn)象的發(fā)生。

然而，上述現(xiàn)有的技術(shù)方案存在如下問題：由于在檢測駕駛員的生理參數(shù)時必須使用接觸人體的電極，故會對駕駛員造成干擾和負(fù)擔(dān)，從而進(jìn)一步影響行車駕駛的安全性。

因此，存在如下需求：提供具有高的準(zhǔn)確性和便捷性兩者的基于計算機(jī)視覺的疲勞駕駛檢測方法及裝置。

發(fā)明內(nèi)容

為了解決上述現(xiàn)有技術(shù)方案所存在的問題，本發(fā)明提出了具有高的準(zhǔn)確性和便捷性兩者的基于計算機(jī)視覺的疲勞駕駛檢測方法及裝置。

本發(fā)明的目的是通過以下技術(shù)方案實(shí)現(xiàn)的：

一種基于計算機(jī)視覺的疲勞駕駛檢測方法，其包括下列步驟：

(A1)經(jīng)由車載攝像裝置實(shí)時地獲取駕駛員的原始視頻圖像；

(A2)提取所述原始視頻圖像中包含駕駛員的面部圖像的每個圖像幀并將其作為目標(biāo)圖像幀；

(A3)針對所述目標(biāo)圖像幀執(zhí)行面部特征點(diǎn)定位操作以確定面部特征點(diǎn)，隨之基于所得到的面部特征點(diǎn)從所述目標(biāo)圖像幀中截取并分析目標(biāo)子圖像以確定駕駛員當(dāng)前是否正在疲勞駕駛，其中，所述面部特征點(diǎn)定位操作基于級聯(lián)回歸運(yùn)算。

在上面所公開的方案中，示例性地，所述步驟(A3)進(jìn)一步包括：基于常規(guī)的Adaboost算法從所述目標(biāo)圖像幀中檢測面部區(qū)域，并隨之針對檢測到的面部區(qū)域執(zhí)行基于級聯(lián)回歸運(yùn)算的面部特征點(diǎn)定位操作以確定面部特征點(diǎn)。

在上面所公開的方案中，示例性地，所述面部特征點(diǎn)定位操作包括：(B1)基于N個訓(xùn)練樣本Sample_i＝(I_i，S_i)，確定下列項(xiàng)：T×K×2^F個弱回歸器{ΔS_tkb}、T×K組選定的像素差特征，其中，每組具有F個特征，分別對應(yīng)F×2個像素點(diǎn)T×K組像素差閾值其中，每組的維數(shù)為以及平均形狀其中，N、T、K和F均是大于1的正整數(shù)，i＝1，2，3，…，N，I_i是用于訓(xùn)練的面部區(qū)域圖像，S_i是與I_i對應(yīng)的面部特征點(diǎn)，t＝1，2，3，…，T，k＝1，2，3，…，K，b＝1，2，3，…，2^F；(B2)針對每個所述目標(biāo)圖像幀I，基于所確定的T×K×2^F個弱回歸器{ΔS_tkb}、T×K組選定的像素差特征、T×K組像素差閾值以及平均形狀計算指示面部特征點(diǎn)的形狀S。

在上面所公開的方案中，示例性地，所述步驟(B2)進(jìn)一步包括：(1)初始化S值，使得針對在范圍1至T中的每個t的值執(zhí)行如下操作，其中t是正整數(shù)：針對在范圍1至K中的每個k的值執(zhí)行如下操作，其中k是正整數(shù)：(a)計算當(dāng)前形狀S與所述平均形狀之間的仿射變換Affine；(b)根據(jù)所述仿射變換Affine而獲取在原圖上的像素值{I_tk}；(c)根據(jù){I_tk}計算F維的像素差特征；(d)將對應(yīng)維數(shù)與比較，以確定弱分類器ΔS_tkb；(e)更新形狀S使得S＝S+ΔS_tkb。

在上面所公開的方案中，示例性地，所述步驟(B1)進(jìn)一步包括：(1)針對在范圍1至N中的每個i的值執(zhí)行如下操作，其中i是正整數(shù)：將真實(shí)形狀S_i進(jìn)行歸一化到當(dāng)前形狀(2)根據(jù)歸一化的形狀計算平均形狀(3)針對在范圍1至T中的每個t的值執(zhí)行如下操作，其中t是正整數(shù)：在所述平均形狀上隨機(jī)地選擇P個坐標(biāo)點(diǎn)；(4)針對在范圍1至N中的每個i的值執(zhí)行如下操作，其中i是正整數(shù)：計算S_i與之間的仿射變換Affine，以得到原圖上的P個像素點(diǎn)，并計算P個像素點(diǎn)的差，以致得到P(P－1)/2個特征；(5)執(zhí)行特征選擇操作以確定F個特征的閾值：(6)根據(jù)F個特征的閾值，將N個樣本分別劃分為2^F組{Ω_b}，并以如下公式計算ΔS_tkb：