一种疲劳驾驶检测方法及系统技术方案

本发明专利技术公开了一种疲劳驾驶检测方法及系统，其中方法包括如下步骤：输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；将待检测人脸区域图像集中所有人脸图像进行归一得到平均脸，根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状；根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测。本发明专利技术处理速度快、识别率高，特别适用于嵌入式智能设备，防止了驾驶员佩戴墨镜导致误判降低疲劳驾驶检测的准确性。

Method and system for detecting fatigue driving

The invention discloses a driver fatigue detection method and system, wherein the method comprises the following steps: the input video image acquisition, using facial feature separator preset to get the test face image sets; to be detected face images with all the face images are normalized by the average face, obtain the initial key points to be detected face region the image from a face image according to the shape of the average face, through regression is preset calculation deviation of initial values of key points, according to the deviation of results update key points to determine the key points of face shape within the region shape; obtain the key points of the eye according to the position of the face region key points determine the shape and texture feature extraction corresponding the use of default classifier to determine whether the user is wearing sunglasses eye, driver fatigue state judging results Detection. The invention has the advantages of fast processing speed and high recognition rate, and is especially suitable for embedded intelligent equipment, which prevents the driver from wearing glasses to lead to misjudgment and reduces the accuracy of the fatigue driving test.

【技术实现步骤摘要】
一种疲劳驾驶检测方法及系统
本专利技术属于计算机视觉
，具体而言，涉及一种疲劳驾驶检测方法及系统。
技术介绍
为了降低因疲劳驾驶导致的交通事故发生率，疲劳驾驶预警系统广泛应用于驾驶领域。疲劳驾驶预警系统利用驾驶员的面部特征、眼部信号、头部运动性等推断驾驶员的疲劳状态，并进行报警提示和采取相应措施的装置。然而当驾驶员佩戴墨镜后则会降低疲劳驾驶预警系统判断的准确率，进而产生误报。当前的疲劳驾驶预警系统一般包括红外照明元件、滤光元件及摄像头，通过摄像头获取红外图像保证即使在夜间光线较差的情况下，也能获得较清晰的人脸图像，从而判断驾驶员的疲劳状态。然而，当驾驶员佩戴墨镜后，现有的疲劳驾驶预警系统无法准确判断驾驶员的疲劳状态。因为利用波长较短的红外线光源检测照射时佩戴的墨镜直接影响对人眼状态的获取或者不能穿透墨镜，而利用波长较长的红外线光源长时间照射人眼将会造成白内障等眼部疾病。
技术实现思路
为解决上述技术缺陷，本专利技术通过对驾驶员的眼睛部位周围信息的提取,得到驾驶员是否佩戴了墨镜的状态,并依据此状态影响进行疲劳检测，提高疲劳驾驶检测的准确性，降低红外线光源对人体的影响。本专利技术提供了一种疲劳驾驶检测方法，包括如下步骤：输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；将待检测人脸区域图像集中所有人脸图像进行归一得到平均脸，根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状；根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测。进一步，所述根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测包括如果墨镜分类器输出结果小于阈值，则不做处理；否则根据眼睛关键点位置处的纹理特征分析眼镜闭合状态，将闭合状态与疲劳标准比较，判断驾驶员是否处于疲劳状态。进一步，所述输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集包括利用滑动窗口检测方法搜索视频图像，生成候选子区域；将候选子区域输入人脸特征分类器，判断输出结果是否不小于分类阈值，是则标记为待检测人脸区域，否则不做处理。进一步，所述根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状包括遍历待检测人脸区域图像集，根据评价脸获取某一人脸图像的关键点形状，并提取对应的纹理特征；根据纹理特征计算该人脸图像的偏差值；根据偏差值更新后的关键点形状输出回归结果。更进一步，所述根据偏差值更新后的关键点形状输出回归结果还包括根据预设的识别模型判断更新后的关键点形状的回归值是否不小于归回阈值，是则不做处理，否则将回归结果作为下一次回归的偏差值。本专利技术还提供了一种疲劳驾驶检测系统，包括人脸检测模块，用于输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；关键点追踪模块，用于将待检测人脸区域图像集中所有人脸图像进行归一得到平均脸，根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状；墨镜识别模块，用于根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测。进一步，人脸检测模块包括候选单元，用于利用滑动窗口检测方法搜索视频图像，生成候选子区域；输出单元，将候选子区域输入人脸特征分类器，判断输出结果是否不小于分类阈值，是则标记为待检测人脸区域，否则不做处理。进一步，墨镜识别模块还包括判断单元，用于如果墨镜分类器输出结果小于阈值，则不做处理；否则根据眼睛关键点位置处的纹理特征分析眼镜闭合状态，将闭合状态与疲劳标准比较，判断驾驶员是否处于疲劳状态。进一步，关键点追踪模块包括特征提取单元，用于遍历待检测人脸区域图像集，根据评价脸获取某一人脸图像的关键点形状，并提取对应的纹理特征；偏差计算单元，用于根据纹理特征计算该人脸图像的偏差值；回归输出单元，用于根据偏差值更新后的关键点形状输出回归结果。进一步，回归输出单元包括处理子单元，用于根据预设的识别模型判断更新后的关键点形状的回归值是否不小于归回阈值，是则不做处理，否则将回归结果作为下一次回归的偏差值。综上，本专利技术首先通过人脸检测技术获取人脸区域，然后基于此区域定位和追踪到人脸关键点，再根据眼睛周围区域的纹理特征判别司机是否戴了墨镜，进而防止因驾驶员佩戴墨镜导致误判降低疲劳驾驶检测的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1为本专利技术所述的疲劳驾驶检测方法的流程示意图；图2为本专利技术所述的疲劳驾驶检测方法中确定关键点形状的流程示意图；图3为本专利技术所述的疲劳驾驶检测系统的结构示意图。具体实施方式为了使本领域的技术人员更好地理解本专利技术的技术方案，下面将结合附图对本专利技术作进一步的详细介绍。下面通过具体的实施例并结合附图对本专利技术做进一步的详细描述。检测驾驶员眼镜状态一般利用红外线光源，一般利用的是波长1.5微米的红外线光源，长时间的话会造成白内障等眼部疾病，但是选用波长较大的红外线光源，带来了一个问题就是有些材质的墨镜穿不透，这样在图像上就看不清眼睛的状态，无法判断疲劳状态。因此本专利技术要解决的问题就是判断司机是否戴了墨镜，如果判断结果是戴墨镜的话，就不进入眼睛状态的检测模块，防止可能的虚报警。为此本专利技术提供了一种疲劳驾驶检测方法。如图1所示，所述方法包括如下步骤：S101、输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；视频图像中每个视频帧图像包括人脸区域，也包括非人脸区域，非人脸区域包括还包括背景区域以及人体其他部分。该步骤的目的在视频帧图像中识别人脸区域，加快对人脸关键点区域的检测。该步骤中从视频图像中识别人脸所在的区域，一般可用矩形框等进行标记，这种标记的人脸区域并不是精确的人脸轮廓曲线。本专利技术所述的人脸特征分类器采用的是基于像素灰度值对比特征的级联决策树分类器，此方法的优势在于速度快，识别率较高，特别适用于嵌入式智能设备。进一步，S101包括如下步骤：利用滑动窗口检测方法搜索视频图像，生成候选子区域；将候选子区域输入人脸特征分类器，判断输出结果是否不小于分类阈值，是则标记为待检测人脸区域，否则不做处理。对于每一个候选的区域，只有通过所有级联的分类器，才输出为人脸区域。为了进一步说明本专利技术，下面给出像素对比特征(pixelintensity)定义：pixelintensity(I；i1,i2)＝0如果I(i1)<＝I(i2)；pixelintensity(本文档来自技高网...

【技术保护点】
一种疲劳驾驶检测方法，其特征在于，包括如下步骤：输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；将待检测人脸区域图像集中所有人脸图像进行归一得到平均脸，根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状；根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测。

【技术特征摘要】
1.一种疲劳驾驶检测方法，其特征在于，包括如下步骤：输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集；将待检测人脸区域图像集中所有人脸图像进行归一得到平均脸，根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状；根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测。2.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述根据确定的人脸区域关键点的形状获取眼睛关键点的位置，并提取对应的纹理特征，利用预设墨镜分类器判断用户是否佩戴眼睛，判断结果进行驾驶员疲劳状态的检测包括如果墨镜分类器输出结果小于阈值，则不做处理；否则根据眼睛关键点位置处的纹理特征分析眼镜闭合状态，将闭合状态与疲劳标准比较，判断驾驶员是否处于疲劳状态。3.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述输入采集的驾驶员视频图像，利用预设的人脸特征分离器获取待检测人脸区域图像集包括利用滑动窗口检测方法搜索视频图像，生成候选子区域；将候选子区域输入人脸特征分类器，判断输出结果是否不小于分类阈值，是则标记为待检测人脸区域，否则不做处理。4.根据权利要求1所述的疲劳驾驶检测方法，其特征在于，所述根据平均脸获取待检测人脸区域图像集中某一人脸图像的初始关键点形状，通过预设的回归器计算初始关键点的偏差值，根据偏差结果更新关键点形状直至确定人脸区域内关键点的形状包括遍历待检测人脸区域图像集，根据评价脸获取某一人脸图像的关键点形状，并提取对应的纹理特征；根据纹理特征计算该人脸图像的偏差值；根据偏差值更新后的关键点形状输出回归结果。5.根据权利要求4所述的疲劳驾驶检测方法，其特征在于，所述根据偏差值更新后的关键点形状输出回归结果还包括根据...

【专利技术属性】
技术研发人员：刘鹏，张世亮，
申请(专利权)人：开易北京科技有限公司，
类型：发明
国别省市：北京,11