[發明專利]一種駕駛員疲勞駕駛檢測方法

在審

• 申請號: 201710328421.0
• 申請日: 2017-05-11
• 公開（公告）號: CN106971177A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 不公告發明人
• 申請（專利權）人: 南寧市正祥科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/48;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明具體涉及一種駕駛員疲勞駕駛檢測方法。

背景技術

隨著中國交通運輸業的逐漸發展，交通事故的發生越來越頻繁，而駕駛員疲勞駕駛已經變成了導致交通事故的主要原因之一，能夠和酒后駕駛相提并論。因此，開發一個有用的駕駛員勞累駕駛監測方法對保證人們出行的安全具備關鍵意義，變成了有關學者探討的關鍵課題，得到越來越廣泛的注意。

在對駕駛員駕駛圖像進行采集的過程中，容易出現具有一定傾斜度的駕駛圖像，導致傳統的基于腦電圖識別結合操縱特征的駕駛員疲勞駕駛檢測方法，由于需對角度標準差與零速百分比進行準確測量，造成無法有效實現對駕駛員疲勞檢測的問題。

發明內容

本發明要解決的技術問題是提供一種駕駛員疲勞駕駛檢測方法。

一種駕駛員疲勞駕駛檢測方法，其特征在于，包括以下步驟：

S1：采用攝像頭對駕駛圖像進行采集；

S2：采用AdaBoost算法對駕駛員臉部進行檢測；

S3：對駕駛員眼睛的定位和特征提取；

S4：駕駛員眼睛狀態的計算；

S5：駕駛員疲勞駕駛的判定。

進一步的，AdaBoost算法步驟如下：

1）假設訓練樣本為，其中，用于描述待訓練樣本，用于描述待訓練樣本集；用于描述所屬類別，，如果，則為負樣本，即其不是駕駛員臉部；如果，則為正樣本，即其為駕駛員臉部，n用于描述所需訓練的樣本總量；

2）權值向量的初始化：，其中，，用于描述所訓練樣本的概率分布狀況；

3）迭代循環：通過下式對權值進行歸一化處理：

；

通過弱學習算法，按照順序對權值歸一化后的訓練樣本進行訓練，獲取弱分類器：；

在上述權值中，按照順序對弱分類器的錯誤率進行計算：

；

選擇錯誤率最小的弱分類器，將其添加至強分類器中；

通過最優分類器按照順序對各樣本的權值進行更新：

；

在上式中，若第i個樣本能夠被準確分類，則；若第i個樣本為被準確分類，則，同時；

4）假設整個過程循環的次數為T，則最終獲取的強分類器可描述如下：

；

式中，。

進一步的，駕駛員眼睛的定位方法如下：

1）求出駕駛員臉部區域圖垂直方向的梯度矩陣：

；

2）對梯度矩陣進行水平投影：

。

進一步的，駕駛員眼睛狀態的計算方法如下：

1）眨眼持續時間即一次眨眼過程中，眼睛從開到閉再到開的過程所需的時間，其值可通過下式求出：

；

2）PERCLOS即單位時間內眼睛的閉合時間所占的百分率，單位時間取6s，則有：

；

式中，N用于描述6s內所收集圖像的有用幀數；p(t)用來表示睜眼水平隨時間改變的函數，則一次眨眼的閉合時間比率為：

。

進一步的，駕駛員疲勞駕駛的判定方法如下：

1）閉眼狀況的持續時間D(t)若高于門限Th1，Th1=2.5，則認為駕駛員疲勞；

2）眨眼頻率高于門限Th2，Th2=0.6，則認為駕駛員疲勞；

3）PERCLOS的值F若高于門限Th3，Th3=4.5，則認為駕駛員疲勞。

本發明的有益效果是：

本發明采用AdaBoost算法對駕駛員臉部進行檢測，求出駕駛員臉部區域圖垂直方向的梯度矩陣，并對梯度矩陣進行水平投影，通過駕駛員臉部的結構特征獲取眼睛在圖像中的相對位置，依據距離對眼睛開閉進行確定。然后根據PERCLOS測量原理求出駕駛員眼睛各個狀態的參數，最后通過各指標和既定閾值的關系來判斷駕駛員是否處于疲勞駕駛狀態。該方法具有較高的檢測精度。

具體實施方式

以下具體實施例對本發明作進一步闡述，但不作為對本發明的限定。

一種駕駛員疲勞駕駛檢測方法，包括以下步驟：

S1：采用攝像頭對駕駛圖像進行采集；

S2：采用AdaBoost算法對駕駛員臉部進行檢測；

S3：對駕駛員眼睛的定位和特征提取；

S4：駕駛員眼睛狀態的計算；

S5：駕駛員疲勞駕駛的判定。

AdaBoost算法步驟如下：