[發明專利]一種基于主動紅外視頻的打哈欠判別方法

在審

• 申請號: 201710462234.1
• 申請日: 2017-06-19
• 公開（公告）號: CN107358167A
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 李小霞;張宇;肖娟
• 申請（專利權）人: 西南科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明屬于計算機視覺領域，特別涉及一種基于主動紅外視頻的打哈欠判別方法。

背景技術

近年來，疲勞駕駛在導致交通事故中的比例逐年上升，因此，對駕駛員的疲勞狀態監測研究在預防交通事故上具有重要意義。在駕駛疲勞狀態監測技術中，監測技術的準確性對疲勞監測的可靠性尤為關鍵。目前雖已有大量的基于客觀評判和主觀度量的監測技術，但是其中多數技術存在準確率低、實用性不強、操作復雜、監測設備要求太高以及抗干擾能力不強等多種問題。研究表明，基于面部特征的主觀度量疲勞狀態判別方法具有硬件設備要求低、實現比較容易、直觀性良好、對駕駛員影響小等優點。目前在國內雖已有基于面部特征的疲勞判別方法和系統，但其可靠性仍不能滿足實際需要，比如仍缺乏長途客運/貨運汽車的駕駛員疲勞檢測預裝系統。

打哈欠是可以表征駕駛員疲勞狀態的一個顯著特征。為了適應全天候和連續的監測，減少光照的影響，提出使用主動紅外攝像頭監測駕駛員打哈欠狀態，但是在紅外視頻中，打哈欠判別存在兩個問題：一個是嘴巴區域的定位問題。通常的方法是基于顏色或邊緣特征對嘴巴進行定位，基于顏色特征的定位方法在紅外視頻中其特征不明顯，而常用的邊緣檢測方法會存在邊緣很少、邊緣不連續和邊緣缺失的問題，單一的邊緣檢測方法對打哈欠時嘴巴邊緣特征表征不明顯且對噪聲敏感，很容易出現漏檢或誤檢的情況。

另一個是打哈欠狀態的判別問題。一般采用嘴部內輪廓的開合程度（嘴唇區域的高寬比）、嘴唇輪廓所在面積、基于灰度能量角點的嘴唇動態匹配模型等作為打哈欠的判別依據，由于在嘴巴定位環節采用區域規劃的方法，那么基于高寬比和面積統計的方法就不適用，而且即使在可見光視頻中檢測到嘴巴后使用高寬比、面積統計和動態匹配模型，由于視頻中人臉的大小和角度隨時變化，其可靠性也不高。

發明內容

為了解決上述問題，本發明提供一種基于主動紅外視頻的打哈欠判別方法，該方法在人臉檢測框上通過區域規劃的方法定位嘴巴，其定位效率高、不會出現漏檢，對嘴部動作和環境變化的適應度好；然后在規劃區域內采用Prewitt與Canny融合邊緣表征紅外視頻中打哈欠時的嘴巴邊緣，再定義融合邊緣的縱向投影比，能夠定量的區分出打哈欠狀態與其他常規狀態（閉嘴、微笑及說話等），由于融合邊緣的縱向投影比對嘴巴大小、角度、局部的邊緣缺失和噪聲不敏感，因此可提高打哈欠狀態判別的可靠性。本發明的技術方案包含以下步驟：

步驟1，通過主動紅外攝像頭獲取視頻幀，基于Haar-like特征和AdaBoost分類器檢測人臉圖像；

步驟2，在人臉檢測框內規劃出嘴巴活動區域；

步驟3，在規劃出的嘴巴活動區域內進行Prewitt和Canny融合邊緣檢測，并計算融合邊緣縱向投影比R_y；

步驟4，確定類打哈欠的閾值T_R；

步驟5，打哈欠判別，確定閾值T_R后，當R_y>T_R時可將該視頻幀的狀態判別為“類打哈欠”，如果在連續一定時間t秒內“類打哈欠”幀數s大于閾值p，則判別為一次打哈欠。

步驟2中嘴巴規劃區域在人臉檢測框的正中下方，保證無論臉朝向哪個方向嘴巴都處于所規劃的區域內，設人臉檢測框的寬和高分別為W和H，規劃區域的寬和高分別為W/2和H/3。

步驟3中融合邊緣檢測方法是先檢測Prewitt邊緣，在此基礎上再檢測Canny邊緣，通過四種狀態下（嘴巴閉合、微笑、說話以及打哈欠）的人臉各種邊緣檢測實驗，表明這種邊緣融合方式可更好的區分打哈欠狀態。在規劃的嘴巴活動區域內，打哈欠狀態下的融合邊緣的縱向跨度（即在規劃區域的邊緣向y軸的縱向投影）明顯大于其他狀態。融合邊緣縱向投影比R_y可作為打哈欠判別特征。