[發(fā)明專利]一種駕駛員疲勞駕駛監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 201810008776.6
• 申請日: 2018-01-04
• 公開（公告）號: CN108021911B
• 公開（公告）日: 2018-09-11
• 發(fā)明（設(shè)計）人: 趙安嶺
• 申請（專利權(quán)）人: 重慶公共運輸職業(yè)學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 重慶晶智匯知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50229
• 代理人: 李靖

1.一種駕駛員疲勞駕駛監(jiān)測方法，其特征在于：所述的駕駛員疲勞駕駛監(jiān)測方法包括人臉檢測方法、ROI(region of interest)截取方法、圖像增強方法、特征提取方法、模型訓練及部署方法；具體步驟如下：

步驟S1001：采用人臉檢測方法獲取每幀圖像人臉信息和關(guān)鍵點信息；

所述人臉檢測方法為對視頻流數(shù)據(jù)每幀圖像使用預訓練人臉模型進行人臉檢測、獲取人臉關(guān)鍵點信息；

所述關(guān)鍵點信息包含左眼左角p₁，左眼右角p₂，右眼左角p₃，右眼右角p₄的坐標；

步驟S1002：采用ROI截取方法獲取ROI；

所述ROI截取方法即通過使用人臉檢測方法獲得的眼睛關(guān)鍵點坐標截取ROI；具體采用如下公式：

roi.w＝λ_x·(p₄.x-p₁.x)

roi.h＝λ_y·λ_x·(p₄.x-p₁.x)

式中λ_x、λ_y為權(quán)重因子，滿足λ_x≥1，1≥λ_y≥0.75；

步驟S1003：采用圖像增強方法對ROI區(qū)域進行運算獲得增強圖像；

所述圖像增強方法為截取ROI與模板算子進行卷積運算，使得圖像的邊緣信息增強；所述的模板算子為：

步驟S1004：依據(jù)特征提取方法，對增強圖像提取單幀特性向量；

所述特征提取方法為對增強圖像采用LBP(Local Binary Patterns)運算得到單幀特征向量；

步驟S2000：視頻段內(nèi)所有單幀特征向量進行合并；

所述視頻段為一個樣本，其視頻幀率和視頻段時長為固定值；

所述所有單幀特征向量為視頻段內(nèi)固定幀率下所有圖像幀按照步驟S1001到步驟S1004提取的單幀特征向量；

所述合并為將所有單幀特征向量進行順序拼接，獲取行特征向量Y；

步驟S3000：采用模型訓練方法，對訓練樣本進行訓練獲得監(jiān)測模型；

所述訓練樣本為訓練集中視頻段按照步驟S1001到步驟S2000提取特征向量Y_i與對應(yīng)的疲勞駕駛或非疲勞駕駛標簽b_i組成{Y_i,b_i}；

所述模型訓練方法為采用SVM模型訓練；

步驟S3001：部署階段，使用訓練得到模型對駕駛員駕駛進行監(jiān)測；監(jiān)測過程為采用固定視頻幀率實時獲取駕駛員駕駛過程中圖片幀；按照步驟S1001到步驟S1004提取單幀特征向量；并以先進先出移位存儲原理，按照步驟S2000合并固定視頻時長的特征向量，以監(jiān)測周期對特征向量進行模型實時判決輸出；

所述固定視頻幀率和固定視頻時長同步驟S2000中視頻幀率和視頻時長。

2.如權(quán)利要求1所述的一種駕駛員疲勞駕駛監(jiān)測方法，其特征在于：所述步驟S1001中人臉檢測方法中的預訓練人臉模型為SeeTaFace人臉模型。

3.如權(quán)利要求2所述的一種駕駛員疲勞駕駛監(jiān)測方法，其特征在于：所述步驟S1002中ROI截取方法中的所述權(quán)重因子λ_x＝1.2，λ_y＝0.75。

4.如權(quán)利要求3所述的一種駕駛員疲勞駕駛監(jiān)測方法，其特征在于：所述步驟S2000中固定幀率為30幀每秒，固定視頻時長為10s。

5.如權(quán)利要求4所述的一種駕駛員疲勞駕駛監(jiān)測方法，其特征在于：所述步驟S3001中監(jiān)測周期為1s。