[發明專利]基于AdaBoost算法的疲勞駕駛檢測方法及系統

在審

• 申請號: 201710813020.4
• 申請日: 2017-09-11
• 公開（公告）號: CN107491769A
• 公開（公告）日: 2017-12-19
• 發明（設計）人: 魏龍生;陳珺;劉瑋;羅林波;羅大鵬
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 武漢知產時代知識產權代理有限公司42238
• 代理人: 付春霞

1.一種疲勞駕駛檢測方法，其特征在于，所述方法包括：

S1、選取n個樣本形成樣本集合S＝{(x_i,y_i)|i＝1,2,...,n}，第i個樣本(x_i,y_i)有兩個元素x_i、y_i組成，x_i表示變量，y_i表示變量x_i所屬的類別，x_i∈X,y_i∈Y＝{1,2,...,k},i＝1,2,...,n，X是所有變量的集合，Y是類別的集合；利用樣本集合S以及改進的AdaBoost算法進行訓練，從第1輪訓練到第T輪的訓練過程，詳細步驟如下：

①調用輸入的弱分類器，D_t是第t輪弱分類器的權重；

②根據弱分類器和權重獲得第t輪的分類規則h_t:X→Y；

③計算分類規則h_t在訓練樣本集上的預測錯誤

④根據分類錯誤計算分類規則h_t的評價因子β_t＝ζ_t/(1-ζ_t)；

⑤根據評價因子β_t更新下一輪分類的權重其中，是標準化常量，使得由t輪后的評價因子計算最終的分類器

S2、選取檢測到正面人臉的圖像作為第一正樣本，選取隨機的自然圖像和人臉周邊區域圖像為第一負樣本，采用改進的AdaBoost得到人臉分類器，檢測出駕駛員的臉部圖像；

S3、從所述臉部圖像選取睜眼的圖片作為第二正樣本，選取隨機的自然圖像和人眼周邊區域圖像為第二負樣本，采用改進的AdaBoost得到睜眼分類器，檢測臉部圖像中的睜眼圖像，根據連續時間內檢測到人臉的幀數及檢測到人眼的次數計算眨眼率；

S4、從所述臉部圖像選取張嘴的圖片作為第三正樣本，選取隨機的自然圖像和嘴巴周邊區域圖像為第三負樣本，采用改進的AdaBoost得到張嘴分類器，檢測臉部圖像中的張嘴圖像，計算打哈欠率；

S5、根據眨眼率和打哈欠率計算疲勞指數，判斷駕駛員的疲勞駕駛狀態。

2.如權利要求1所述的疲勞駕駛檢測方法，其特征在于，所述步驟S1中：

弱分類器的權重初始化權重界限為α_i,i∈Y，滿足每一輪訓練的權重關系是其中，

對各預測目標類上的樣本采用不同的標準化常量，(x_i,y_i)∈S_j表示屬于目標類j的第i個樣本，為標準化常量,S_j＝{(x_i,y_i)|j＝y_i∈{1,2,...,K},(x_i,y_i)∈S}為整個樣本集S中預測目標類j上的樣本的集合。

3.如權利要求1所述的疲勞駕駛檢測方法，其特征在于，所述步驟S3具體包括：

采用上述改進的AdaBoost算法得到睜眼分類器，其中第二正樣本為眼睛睜開樣本，第二負樣本為閉眼樣本或其他圖像；

在駕駛員駕駛的過程中，在檢測到人臉的基礎上，用此睜眼分類器區分第一正樣本中的睜眼圖像和閉眼圖像，并計算眨眼率，眨眼率計算公式為E＝(T-N_e)/T×100％，其中T為連續時間內檢測到人臉的幀數，N_e為檢測到人眼的次數，如果某一幀只檢測到一只眼睛，則這一幀記為0.5次。

4.如權利要求1所述的疲勞駕駛檢測方法，其特征在于，所述步驟S4具體包括：

采用上述改進的AdaBoost算法得到張嘴分類器，其中第三正樣本為張嘴樣本，第三負樣本為閉嘴樣本或其他圖像選定樣本后；

在駕駛員駕駛的過程中，在檢測到人臉的基礎上，用此分類器區分第一正樣本中的張嘴圖像和閉嘴圖像，并計算打哈欠率，打哈欠率計算公式為M＝N_m/T×100％，其中T為連續時間內檢測到人臉的幀數，N_m為檢測到張嘴的次數。