[發明專利]一種基于生物電及行為特征融合的疲勞駕駛檢測方法

在審

• 申請號: 201911055254.2
• 申請日: 2019-10-31
• 公開（公告）號: CN110811649A
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 程忱;王恁;郭慧利;李瑤;張佳;高晉;郭浩
• 申請（專利權）人: 太原理工大學;賽爾網絡有限公司
• 主分類號: A61B5/18
• 分類號: A61B5/18;A61B5/0476;G06K9/00;G06K9/32;G06K9/34;G06K9/62;G06N3/08
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 何健雄;廖祥文

本發明公開了一種基于生物電及行為特征融合的疲勞駕駛檢測方法，可以實現對駕駛員駕駛狀態的實時檢測，包括腦電信號處理模塊、面部多特征模塊、疲勞檢測融合模塊。所述腦電信號處理模塊即通過小波包分解采集δ、θ、α、β四種腦電波，采用(α+θ)/β作為疲勞指數，并計算重構后的腦電樣本熵；所述面部多特征模塊為采用邊緣檢測與聚類算法實現眼睛與嘴部區域的識別，通過分析眨眼指標、眼動指標以及哈欠指標來判斷駕駛員狀態；所述疲勞檢測融合模塊是將各特征信號通過LVQ?BP人工神經網絡進行融合，根據融合結果判斷駕駛員是否疲勞。將多種特征相融合確保了系統的可靠性與高效性，更有效地降低事故發生概率，保障人民的生命財產安全。

技術領域

本發明涉及生物電信號處理技術、圖像處理技術與汽車輔助駕駛技術領域，特別涉及一種基于生物電及行為特征融合的疲勞駕駛檢測方法。

背景技術

近年來隨著全球經濟快速發展，汽車保有量持續上升，交通事故的發生數量逐年增長，生命財產損失慘重。經研究發現疲勞駕駛是引起交通事故的一項重要因素，當駕駛員疲勞時人體的生理機能下降，意識模糊，引發事故概率急劇上升，嚴重威脅著人民的生命和財產安全。

目前，對疲勞駕駛的檢測大多基于車輛軌跡，駕駛員行為或從單個生理指標進行疲勞的判斷，這些都存在有一定的缺陷，受個人駕駛習慣及行駛速度、道路環境、操作技能的限制，并且檢測結果不準確，容易出現誤判或漏判的情況，檢測的健壯性會受到影響。

基于此，為了克服上述所存在的問題，避免交通事故的發生，保障人民的生命財產安全，本發明提出了一種基于生物電與駕駛員行為特征融合的疲勞駕駛實時檢測方法，形成綜合疲勞指標，相比較于單個生物電特征檢測、單個行為特征檢測其疲勞判斷準確率明顯上升。

發明內容

為解決上述現有技術存在的問題，本發明的目的在于提供，本發明主要針對現有相關技術存在的缺陷，考慮到多特征信號指標，提出一種基于生物電及行為特征融合的疲勞駕駛檢測方法，可以實現對駕駛員駕駛狀態的實時檢測。

本發明為解決技術問題所采用的技術方案是：一種基于生物電及行為特征融合的疲勞駕駛檢測方法。包括：腦電信號處理、面部多特征處理和疲勞檢測；

所述腦電信號處理，即通過小波包分解采集δ、θ、α、β四種腦電波，采用(α+θ)/β作為疲勞指數，并計算重構后的腦電樣本熵；

所述面部多特征處理則通過分析眨眼、打哈欠、點頭以及眼動來判斷駕駛員狀態；

所述疲勞監測用于根據各信號特征融合結果判斷駕駛員是否疲勞；

一種基于生物電及行為特征融合的疲勞駕駛檢測方法，具體按照以下步驟進行：

步驟S1：使用TGAM模塊進行原始腦電信號、專注度與放松度采集，然后將采集到的腦電信號采用小波包分解；

步驟S2：將小波包分解后的FP1電極腦電波重構后，得到一組腦電信號；進而進行樣本熵計算；

步驟S3：用相關系數分析方法對專注度與放松度的比值進行分析；

步驟S4：進而計算出(θ+α)/β的功率譜密度比值隨時間的變化曲線，分析曲線判斷疲勞區間；

步驟S5：采用加權平均法對駕駛員的視頻圖像進行灰度化處理；

步驟S6：使用機器學習分類器對圖像進行預處理，采用KLT算法進行點跟蹤，采用維奧拉-瓊斯目標檢測算法對其進行檢測并用矩形框標示出駕駛員臉部區域；

步驟S7：通過使用適當的閾值來確定眼睛的位置即使用Soble邊緣檢測算法通過圖像直方圖和顏色直方圖找到眼睛區域的邊緣；使用K-means聚類算法識別出嘴部區域；