[發明專利]一種基于微表情的疲勞狀態檢測方法

在審

• 申請號: 201911027427.X
• 申請日: 2019-10-28
• 公開（公告）號: CN110781828A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 閆佳慶;張明巖;李占英;胡博陽;賈靜雅;高琦
• 申請（專利權）人: 北方工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 11496 北京君泊知識產權代理有限公司
• 代理人: 李丹

1.一種基于微表情的疲勞狀態檢測方法，其特征在于，具體步驟如下：

步驟一，捕捉測試者的實時面部微表情，將實時面部微表情存儲并且將實時面部微表情提取成多個特征點，然后進行數據篩選與處理，得到個人面部數據的距離矩陣；

步驟二，預先采集測試者在清醒狀態下的面部圖像和輕微疲勞狀態下的面部圖像，構建個人的個性化微表情疲勞識別模型；

步驟三，將個人面部數據代入個性化微表情疲勞識別模型進行分析，即可判斷測試者是否疲勞。

2.根據權利要求1所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述步驟一中采用車載便攜攝像頭捕捉測試者的實時面部微表情。

3.根據權利要求1或2所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述步驟一中采用基于梯度提高學習的回歸樹方法提取特征點。

4.根據權利要求3所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述基于梯度提高學習的回歸樹方法的公式如下：表示第t級回歸器的形狀，r_t表示第t級回歸器的更新量。

5.根據權利要求1所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述步驟二中采用K-MEANS聚類的方法對微表情進行特征表情分類，分類數量為7類，然后以360幀為一個窗口，對清醒狀態下的面部圖像和疲勞狀態下的面部圖像進行分段，統計每一段時間內7類特征表情的出現概率，再按照清醒狀態和疲勞狀態對7類表情的出現概率進行ANOVA顯著性分析，根據7類表情的顯著性，可以找到與疲勞狀態相關的特征表情，對這些特征表情采用SVM分類，得到個性化微表情疲勞識別模型。

6.根據權利要求1或5所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述步驟一中數據篩選包括計算所有特征點之間的距離，依據計算的距離構建特征矩陣，對特征矩陣進行特征篩選。

7.根據權利要求4所述的基于微表情的疲勞狀態檢測方法，其特征在于，所述基于梯度提高學習的回歸樹方法的具體步驟如下：在標記了多個面部特征點的訓練圖像集中對人臉圖像特征點進行標注，計算平均臉作為模型在測試時初始化的形狀，生成一個形狀，然后利用回歸樹方法進行訓練，在訓練時，將像素點強度作為特征，已標定的訓練集附近的像素點和點對之間的距離作為特征池，將距離除以兩眼之間的距離以進行歸一化，套用集成回歸樹模型。