[發明專利]一種駕駛員疲勞駕駛監測方法

有效

• 申請號: 201810008776.6
• 申請日: 2018-01-04
• 公開（公告）號: CN108021911B
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 趙安嶺
• 申請（專利權）人: 重慶公共運輸職業學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 重慶晶智匯知識產權代理事務所(普通合伙) 50229
• 代理人: 李靖

本發明提供了一種駕駛員疲勞駕駛監測方法；主要包括人臉檢測方法、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。解決了當前駕駛員安全駕駛監測系統中對駕駛疲勞駕駛針對化監測的空白；同時本發明為全自動疲勞監測方法，可以實現近實時檢測，精度較高，有效對駕駛員疲勞駕駛進行監測和提醒，以減少事故的發生。

技術領域

本發明涉及一種安全監測方法，具體涉及一種駕駛員疲勞駕駛監測方法。

背景技術

現代社會，機動車已經成為日常生活必不可少交通出行工具，機動車給人們生活帶來方便的同時，不安全的機動車駕駛也會造成重大的交通事故，其中疲勞駕駛的危害尤為突出。基于此，能夠監測出駕駛員疲勞駕駛以及進行必要的提醒成為避免此類交通事故行之有效的方法，當前防范駕駛員疲勞駕駛的方法有如火車或者動車駕駛員的定時踩踏板、客運車上的超速語言提示等，對于疲勞駕駛監測還沒有針對性的方法和設備。為解決上述問題，本發明提供了一種駕駛員疲勞駕駛監測方法。

發明內容

本發明的目的在于提供一種駕駛員疲勞駕駛監測方法，實現對于駕駛員駕駛過程中的疲勞駕駛進行監測，便于后續的提示等動作。

為實現上述目的，本發明提供了一種駕駛員疲勞駕駛監測方法，主要包括人臉檢測方法、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；

所述人臉檢測方法為對視頻流數據每幀圖像使用預訓練人臉模型進行人臉檢測、獲取人臉關鍵點信息；

所述關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；

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

w＝λ_x·(p₄.x-p₁.x)

h＝λ_y·w

即獲得ROI矩陣：

roi.w＝λ_x·(p₄.x-p₁.x)

roi.h＝λ_y·w

式中，center為眼睛中心點坐標，λ_x、λ_y為權重因子，滿足λ_x≥1，1≥λ_y≥0.75；

所述圖像增強方法為歸一化的截取ROI與模板算子進行運算，使得圖像的邊緣信息增強；所述的模板算子為：

所述特征提取方法為將連續固定時間段內所有幀提取的單幀特征向量采用順序拼接方法獲取特征向量；所述單幀特征向量為對圖像增強后的ROI區域采用LBP(LocalBinary Patterns)運算得到；

所述模型訓練及部署方法準備完成的訓練數據進行SVM模型訓練獲得監測模型；對駕駛員駕駛過程中實時提取特征向量使用監測模型進行疲勞駕駛監測；

所述準備完成的訓練數據指帶有疲勞駕駛或非疲勞駕駛標簽的特征向量；所述特征向量為標簽對應的如上述特征提取方法所述的固定時間段的視頻獲得；

所述實時獲取特征向量指間隔固定時間t進行距當前時間如上述特征提取方法所述固定時間段的視頻數據提取特征向量。