本发明专利技术公开了一种基于个体学习的疲劳检测方法进行疲劳检测的方法，包括以下步骤：步骤一，对被测者脸部拍摄一段视频，对视频进行取帧，得到足够多的样本；步骤二，利用基于肤色的人脸分割方法对所有样本进行分割人脸区域并由人脸分布确定眼睛的大致分布范围；步骤三，对所有样本的人眼范围的特征进行提取，得到精确适应于该被测者的眼睛睁闭的阈值，并以此阈值为基准进行针对该被测者的检测；步骤四，利用得到的阈值和眼睑闭合度原理(Percentage of Eyelid Closure Time，PERCLOS)来判断被测者是否处于疲劳状态。本发明专利技术利用针对被测者眼部范围进行自适应学习法方法，实现对被测者的疲劳检测，能够提高疲劳检测的针对性和精确度，具有一定创新性。
【技术实现步骤摘要】
本专利技术涉及利用图像疲劳检测的领域，尤其是利用肤色分割算法对驾驶员进行疲 劳检测的领域。
技术介绍
驾驶员疲劳驾驶是引发交通事故的重要原因之一，在交通事故死亡原因中居首 位，而随着车辆数目不断增加，疲劳驾驶已逐渐成为重要社会问题。所以，研制疲劳驾驶检 测系统，对于提高交通安全，保障人民生命财产安全有着重要意义。 目前的疲劳检测算法中较简便有效的主要是基于PERCLOS算法的疲劳检测算法， 主要是通过人脸肤色特性和人脸几何特征定位人眼，通过对人眼的观测得出被测者是否疲 劳的结论。
技术实现思路
专利技术目的：本专利技术所要解决的问题是针对目前的疲劳检测算法对于不同面部特征 的被测者检测针对性较差，当被测者面部特征产生较大变化时，当前算法往往会产生较大 的偏差。 为了解决上述技术问题，本专利技术公开了来提高 疲劳检测的针对性，适用性，包括以下步骤： 步骤一，对被测者脸部拍摄一段视频，对视频以进行取帧，得到足够多的样本； 步骤二，利用基于肤色的人脸分割方法对所有样本进行分割人脸区域并由人脸分 布确定眼睛的大致分布范围； 步骤三，对所有样本的人眼范围的特征进行提取，得到精确适应于该被测者的眼 睛睁闭的阈值，并以此阈值为基准进行针对该被测者的检测； 步骤四，利用得到的阈值和PERCLOS方法判断被测者的疲劳状态。 本专利技术中，优选地，所述步骤一中的图像可以通过取帧软件对所拍摄的视频以较 高的频率取帧，使每一张图片能近似代表人脸的瞬时状态。 本专利技术中，优选地，所述步骤二包括以下步骤： 步骤（21)，首先对得到的样本图片进行降噪处理，其次引入"参考白"这一概念，提 取出图片亮度位于前5 %的像素，并将255即亮度最大值与其亮度平均值的比值作为补偿 系数，再将图片中其他所有像素根据补偿系数进行调整以达到亮度补偿效果。 步骤（22)，将样本原本所处的RGB色彩空间转换至更方便处理YCbCr色彩空间； 步骤（23)，根据基于肤色的CbCr空间上的高斯分布模型对每张样本图片中的像 素点进行计算，采用Otsu方法获得自适应阈值，并根据阈值将样本图像二值化；步骤（24)，人脸区域分割：根据人脸的积分投影，用于测试的人脸积分投影图如 图2,图3所示，特征采用积分投影法计算样本图片的人脸边界，并进行分割； 步骤（25)人眼大致位置确定：根据人脸基本特征"三庭五眼"来确定被测者人眼 的大致范围。 本专利技术中，优选地，所述步骤三包括以下步骤： 步骤（31)，计算所有样本图片中眼部区域内的像素点灰度值之和，并寻找出最大 值和最小值； 步骤（32)，根据PERCLOS的标准在最值之间确定睁闭眼的阈值，并以此阈值为基 准进行针对该被测者的检测。 本专利技术中，优选地，所述步骤四包括以下步骤： 步骤（41)，将每个样本的眼部区域的像素灰度值之和与阈值相比较，确定该样本 眼部的状态； 步骤（42)，通过计算闭眼样本和总样本数量的比值，得出闭眼时间占总时间的比 重，如果超过15%，则可认为该被测者处于疲劳状态； 本专利技术的原理是通过取帧得到被测者的面部信息图像。其次，利用基于肤色的人 脸分割算法和空间积分投影法确定被测者大致的眼睛范围，然后对眼部范围内特征进行提 取，得到针对于被测者的睁闭眼阈值。最后，利用得到的阈值和PERCLOS方法判断被测者的 疲劳状态。 有益效果：本专利技术通过软件方法进行图像处理，在对被测者进行视频采集后可以 可以具有针对性的对被测者进行疲劳检测，检测精度有所提高，在驾驶员疲劳检测等领域 有着广泛的的应用前景。【附图说明】 下面结合附图和【具体实施方式】对本专利技术做更进一步的具体说明，本专利技术的上述和 /或其他方面的优点将会变得更加清楚。 图1是本专利技术的高斯肤色分布模型。 图2是本专利技术的被测者脸部X轴的投影分布图。 图3是本专利技术的被测者脸部Y轴的投影分布图。 图4是本专利技术方法简化流程图。【具体实施方式】： 本专利技术，核心思路是利用对被测者眼部特征的学习以达到针对不同被测者可以采 用具有针对性阈值的效果。最后通过PERCLOS方法判断疲劳。 如图3所示，本专利技术公开了来提高疲劳检测的 针对性，适用性的方法，包括以下步骤： 步骤一，通过采集设备对被测者拍摄一段视频作为学习和判断的依据，对该视频 以较高频率进行取帧，使每一张图片能近似代表人脸的瞬时状态。得到足够多的样本图片。 步骤二，利用基于肤色的人脸分割方法对所有样本进行分割人脸区域并由人脸分 布确定眼睛的大致分布范围：对所得样本图片进行预处理，转换色彩空间，图像二值化，人 脸区域分割，人眼大致位置确定； 所述步骤二包括以下步骤： 步骤21，光线补偿算法的主要思想是引入"参考白"来处理图像的颜色。所谓"参 考白"是指图像中亮度值处于前5%的像素的亮度均值，但只有这些像素的数量达到一定程 度（比如大于100个）时才进行光线补偿，补偿算法将"参考白"像素的R，G，B通道灰度值 均设为255,图像中的其他像素点的R，G，B灰度值按比例作相应调整，其具体的实现过程如 下： 1)将RGB彩色图像转换为灰度图像，统计灰度图像的灰度直方图。 2)根据门限值统计在满足门限值要求情况下（如果像素点数目小于参考门限值 则不进行光线补偿）的临界灰度级别GRAY。 3)计算灰度值在范围内的像素的灰度均值Average。 4)计算补偿系数为 Compensate= 255. 0/Average。 (1) 5)利用补偿系数对图像R，G，B分量分别进行放大。 步骤22，YCbCr的Y是指亮度分量，Cb指蓝色色度分量，而Cr指红色色度分量。可 以看出相对于RGB色彩空间，YCbCr能将亮度信息提取出来，所以在彩色图像处理中相较于 RGB也具有较大的优势。 而YCbCr和RGB的转换公式如下： Y= 0. 298R+0. 587G+0. 114B(2) Cb= -0? 1687R-0. 3313G+0. 5B+128 (3) Cr= 0. 5R-〇. 4187G-〇. 0813B+128 (4) 步骤23,高斯模型的理论认为肤色妈满足高斯分布，认为诸如肤色这样符合正态 分布的随机样本在特征空间中的分布应该符合高斯分布。高斯模型不是一般的二值肤色像 素定位，而是通过计算像素概率值构成连续的数据信息，并得到一个肤色概率图，根据数值 大小来完成肤色的确认。肤色的高斯分布图像如图1所示。概率越高，说明越接近人脸肤 色，而图中的高斯分布则满足如下公式： P(Cb，Cr) =exp{_0? 5 (x_m)t。-1 (x_m)} (5) m= T (6)【主权项】1. ，其特征在于，包括以下步骤： 步骤一，对被测者脸部拍摄一段视频，对视频进行取帧，得到足够多的样本； 步骤二，利用基于肤色的人脸分割方法对所有样本进行分割人脸区域并由人脸分布确 定眼睛的大致分布范围； 步骤三，对所有样本的人眼范围的特征进行提取，得到精确适应于该被测者的眼睛睁 闭的阈值，并以此阈值为基准进行针对该被测者的检测； 步骤四，利用得到的阈值和PERCLOS方法判断被测者的疲劳状态。2. 所述步骤一包括以下步骤： 步骤（11)，对被测者面部拍摄一段长度适中的视频； 步骤（12)，对所得视频以足够小的间隔进行取帧，以得到足够多的样本。3. 所述步本文档来自技高网...
【技术保护点】
一种基于个体学习的疲劳检测方法，其特征在于，包括以下步骤：步骤一，对被测者脸部拍摄一段视频，对视频进行取帧，得到足够多的样本；步骤二，利用基于肤色的人脸分割方法对所有样本进行分割人脸区域并由人脸分布确定眼睛的大致分布范围；步骤三，对所有样本的人眼范围的特征进行提取，得到精确适应于该被测者的眼睛睁闭的阈值，并以此阈值为基准进行针对该被测者的检测；步骤四，利用得到的阈值和PERCLOS方法判断被测者的疲劳状态。
【技术特征摘要】
【专利技术属性】
技术研发人员：袁杰，孙方轩，邱睿，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。