面向实车工况的驾驶人视频图像疲劳检测方法技术

本发明专利技术公开了一种面向实车工况的驾驶人视频图像疲劳检测方法，首先获取监控视频图像，更新监控视频图像的R、G、B分量，并将R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理，其次进行连通域统计，获得人脸有效脸部区域，之后对人脸有效眼部区域图像进行SURF不变性特征提取，从而获得驾驶员眼睛区域图像，再然后对驾驶员眼睛区域图像进行圆形特征检测，最后每间隔一定时间进行疲劳特征提取，从而判定驾驶员是否处于疲劳驾驶状态。其显著效果是：克服了实车工况下面部视频特征容易受到光照变化的影响，同时不受个体眼睛形状的影响，疲劳检测精度高，对不同驾驶者表现出较高的工程泛化能力。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，首先获取监控视频图像，更新监控视频图像的R、G、B分量，并将R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理，其次进行连通域统计，获得人脸有效脸部区域，之后对人脸有效眼部区域图像进行SURF不变性特征提取，从而获得驾驶员眼睛区域图像，再然后对驾驶员眼睛区域图像进行圆形特征检测，最后每间隔一定时间进行疲劳特征提取，从而判定驾驶员是否处于疲劳驾驶状态。其显著效果是：克服了实车工况下面部视频特征容易受到光照变化的影响，同时不受个体眼睛形状的影响，疲劳检测精度高，对不同驾驶者表现出较高的工程泛化能力。【专利说明】
本专利技术涉及到人机环境工程学
，具体地说，是一种面向实车工况的驾驶 人视频图像疲劳检测方法。
技术介绍
基于驾驶人眼部视频特征的疲劳状态检测是汽车主动安全领域的重要技术之一。 当驾驶人处于驾驶疲劳状态时，其眼睛会出现频繁的闭眼行为。现有的检测方法主要依据 眼睛的上下边界间的距离变化来判定驾驶人的疲劳状态。该方法将视频图像进行灰度转 化，通过视频图像的二值化处理后进行眼睛区域搜索与定位，最后利用眼睛部位的上下边 界之间的距离变化程度来检测驾驶人的疲劳状态。 然而，在实车工况下，由于光照变化的频繁，面部视频图像变得异常复杂，其面部 视频图像二值化的结果往往会出现大量噪点，从而导致对眼睛区域定位不准确，以及眼睛 上下边界检测不准确的问题，这势必会影响疲劳检测方法的准确率以及工程应用的泛化能 力。
技术实现思路
针对现有技术的不足，在重庆市科委基础与前沿计划项目《基于时空特征的驾驶 人疲劳状态检测技术研究》（项目编号：cstC2014jCyjA40006)的资助下，本专利技术提出了一 种，该方法能够克服在实车工况下面部视频 特征由于光照的变化，造成的疲劳检测正确率不高的技术问题，同时不受个体眼睛形状的 影响，对不同驾驶者具有较高的工程泛化能力。 具体表述为，一种，其关键在于按 照以下步骤进行： 步骤1 :按照k帧/秒的采样率对驾驶员的监控视频进行采样； 【权利要求】1. 一种，其特征在于按照以下步骤进 行： 步骤1:按照k帧/秒的采样率对驾驶员的监控视频进行采样； 步骤2:按分别更新每帧 视频图像的R、G、B分量； 其中，sum(R)表示当前图像巾贞中R分量的和，sum(G)表示当前图像巾贞中G分量的和， sum(B)表示当前图像巾贞中B分量的和； 步骤3 :将更新后的R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、 Cr分量进行二值化阈值处理； 步骤4 :将步骤3处理后的图像帧进行连通域统计，判定最大连通区域的面积是否大于 第一预设阈值，如果是，则截取人脸有效眼部区域；否则，放弃当前图像帧，重新对下一帧视 频图像进行处理； 步骤5 :将步骤4获得的人脸有效眼部区域图像进行SURF不变性特征提取，获得SURF 特征点； 步骤6 :利用聚类算法对步骤5所得的特征点进行聚合； 步骤7:计算最大聚类集合与次大聚类集合的中心位置C(x，y)，然后以中心位置 C(x，y)为中心，截取驾驶员眼睛区域图像； 步骤8 :对驾驶员眼睛区域图像进行圆形特征检测； 步骤9 :每间隔时间T按照进行疲劳特征提取，当P < Ptl时则判定为驾驶员处 于疲劳驾驶状态； 其中m为当前时刻前t秒内截取驾驶员眼睛区域图像的总次数，η为当前时刻前t秒 内截取驾驶员眼睛区域图像中满足圆形特征检测的次数，Ptl为疲劳特征判定阈值。2. 根据权利要求1所述的，其特征在 于：所述k的取值为10。3. 根据权利要求1所述的，其特征在 于：步骤3中更新后的R、G、B分量转换为YCgCr彩色空间的转换公式为：4. 根据权利要求1所述的，其特征在 于：步骤3中所述二值化阈值处理按照：进行，其中： Ya = 100*(D/255)，Yb = 200*(D/255)，Cga = 120* (D/255)，Cgb = 190*(D/255)，Crb =160*(D/255)，Crb = 240*(D/255)，D为当前图像帧前20帧图像的平均灰度值。5. 根据权利要求1所述的，其特征在 于：所述第一预设阈值为3000。6. 根据权利要求1所述的，其特征在 于：步骤5中所述SURF特征提取的具体步骤为： 步骤5-1 :构建高斯平滑滤波器，并对人脸有效眼部区域图像采用不同尺寸的滤波器 进行滤波，得到同一图像在不同尺度的一系列响应图； 步骤5-2:按厢计算每一个相应图中每一个像素的 值，若所得det (H)小于零则该像素为极值点，即为SURF特征点， 其中，g表示像素X方向的二阶导数，表示像素y方向的二阶导数，表示像 ('v- C；r_ CXCV 素的X、y方向混合偏导。7. 根据权利要求1所述的，其特征在 于：步骤6中聚类算法按照Lab彡30,e F进行聚合，其中，Lab为任意SURF特征点 AU1, Y1)到其他特征点B(x2, y2)之间的欧氏距离。8. 根据权利要求1所述的，其特征在 于：步骤8中所述圆形特征检测的具体步骤为： 步骤8-1 :将步骤7中获得的驾驶员眼睛区域图像进行二值化阈值计算，然后对每一个 非零像素点（Xpyi)构建过该点的所有圆的空间Ci e KaiAi), rj，其中，（ai，bi)为过点 (Xi，yi)的圆的圆心坐标，A为半径，!Ti = 1?30, i为像素点序号； 步骤8-2 :确定圆空间Ci中的共圆点，并计算出共圆点的数量Si ; 步骤8-3:若共圆点的数量SiS 20,则圆空间Ci为有效圆，S卩眼睛区域图像中存在圆形 特征。9. 根据权利要求1所述的，其特征在 于：截取人脸有效眼部区域图像的大小为160X120,截取驾驶员眼睛区域图像的大小为 35X100。10. 根据权利要求1所述的，其特征在 于：步骤9中所述间隔时间T = ls，h = 5s，疲劳特征判定阈值Ptl = 0. 30。【文档编号】A61B5/18GK104382607SQ201410699985【公开日】2015年3月4日 申请日期:2014年11月26日 优先权日:2014年11月26日 【专利技术者】李作进, 陈刘奎 申请人:重庆科技学院本文档来自技高网...

【技术保护点】
一种面向实车工况的驾驶人视频图像疲劳检测方法，其特征在于按照以下步骤进行：步骤1：按照k帧/秒的采样率对驾驶员的监控视频进行采样；步骤2：按照R=R×sum(G)sum(R),]]>G=G×sum(G)sum(G),]]>B=B×sum(G)sum(B),]]>分别更新每帧视频图像的R、G、B分量；其中，sum(R)表示当前图像帧中R分量的和，sum(G)表示当前图像帧中G分量的和，sum(B)表示当前图像帧中B分量的和；步骤3：将更新后的R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理；步骤4：将步骤3处理后的图像帧进行连通域统计，判定最大连通区域的面积是否大于第一预设阈值，如果是，则截取人脸有效眼部区域；否则，放弃当前图像帧，重新对下一帧视频图像进行处理；步骤5：将步骤4获得的人脸有效眼部区域图像进行SURF不变性特征提取，获得SURF特征点；步骤6：利用聚类算法对步骤5所得的特征点进行聚合；步骤7：计算最大聚类集合与次大聚类集合的中心位置C(x,y)，然后以中心位置C(x,y)为中心，截取驾驶员眼睛区域图像；步骤8：对驾驶员眼睛区域图像进行圆形特征检测；步骤9：每间隔时间T按照进行疲劳特征提取，当P≤P0时则判定为驾驶员处于疲劳驾驶状态；其中m为当前时刻前t秒内截取驾驶员眼睛区域图像的总次数，n为当前时刻前t秒内截取驾驶员眼睛区域图像中满足圆形特征检测的次数，P0为疲劳特征判定阈值。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李作进，陈刘奎，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆;85