The invention discloses a all-weather detection method and system based on fast feature point location, the method comprises the following steps: image acquisition driver head, a driver face region using Adaboost algorithm using local feature point recognition; two eigenvalue shape regression algorithm based on the location of driver face region, and obtain the driver's mouth area according to the characteristics of image point the driver face region; the driver's mouth area image preprocessing after contour detection, according to the mouth opening and continuous opening time judging whether the driver is yawning. The beneficial effect of topical two eigenvalue shape regression algorithm, compared to the global feature, computation, less noise, high real-time; yawn judgment, mouth opening and opening time of continuous more than the preset value, to judge yawning for the driver, than just by single frame image of the mouth open to determine a more accurate yawn.
【技术实现步骤摘要】
一种基于快速特征点定位的全天候哈欠检测方法及系统
本专利技术涉及图像处理
,尤其是涉及一种基于快速特征点定位的全天候哈欠检测方法及系统。
技术介绍
哈欠是指人的嘴部从闭合到持续张开再到闭合的一个完整的状态过程,是反应人体疲劳程度的一个重要特征。一个可靠性高,实时性强以及适用性广泛的哈欠检测方法对于准确的进行疲劳检测来说极其重要。当前对于哈欠检测的方法较多。一种基于数字视频的驾驶员疲劳状态检测方法,采用基于时-空域约束的优化Adaboost人脸检测方法的进行人脸检测,利用人脸的检测与定位结果结合人脸五官的“三庭五眼”的几何特征规则,再查找嘴巴区域,在查找到嘴巴区域的基础上用链码描述嘴巴轮廓,然后在频域中提取嘴巴的频谱特征,将该特征采用SVM训练,进而判别嘴巴哈欠状态。但上述专利仅仅依据人脸的几何规则确定嘴巴区域可靠性较低,考虑到每个人的脸部五官特征之间的几何约束均存在差异,而且在频域提取频谱特征再通过SVM训练识别哈欠状态工作量大、过于复杂而且耗时,因此在很大程度上降低了该方法实时性。一种疲劳驾驶检测方法,利用Harr特征人脸识别方法检测定位人脸区域,再依据嘴巴在人脸的几何位置关系结合灰度投影法确定嘴巴区域,检测嘴部的区域的形状变化,即宽高比的变化,然后统计一段时间内,嘴部宽高比小于某一固定阈值的图像帧数,若其中帧数超过设定阈值,则可以判断为哈欠动作。但上述专利依据几何位置关系和灰度投影法确定嘴部区域极其容易受光照变化的影响而导致嘴巴区域定位失败,而且该方法采用灰度信息,无法适用于红外环境下,因此该方法的可靠性非常低,从而直接影响哈欠检测准确度。当前哈 ...
【技术保护点】
一种基于快速特征点定位的全天候哈欠检测方法,其特征在于,包括步骤:S1、利用具有红外补光功能的图像采集装置采集驾驶员头部图像,利用Adaboost算法训练出识别脸部区域的分类器,利用训练出的所述分类器对驾驶员头部图像进行识别从而识别出驾驶员脸部区域;S2、利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型,利用训练出的所述模型定位驾驶员脸部区域的特征点,并根据驾驶员脸部区域的特征点获取驾驶员嘴部区域位置和图像;S3、对驾驶员嘴部区域图像进行预处理操作之后进行轮廓检测,筛选出嘴部轮廓,由所述嘴部轮廓计算嘴部的张开度和持续张开时长,根据所述嘴部的张开度和所述持续张开时长判断驾驶员是否打哈欠以及统计打哈欠的次数。
【技术特征摘要】
1.一种基于快速特征点定位的全天候哈欠检测方法,其特征在于,包括步骤:S1、利用具有红外补光功能的图像采集装置采集驾驶员头部图像,利用Adaboost算法训练出识别脸部区域的分类器,利用训练出的所述分类器对驾驶员头部图像进行识别从而识别出驾驶员脸部区域;S2、利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型,利用训练出的所述模型定位驾驶员脸部区域的特征点,并根据驾驶员脸部区域的特征点获取驾驶员嘴部区域位置和图像;S3、对驾驶员嘴部区域图像进行预处理操作之后进行轮廓检测,筛选出嘴部轮廓,由所述嘴部轮廓计算嘴部的张开度和持续张开时长,根据所述嘴部的张开度和所述持续张开时长判断驾驶员是否打哈欠以及统计打哈欠的次数。2.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法,其特征在于,步骤S1中利用Adaboost算法训练出识别脸部区域的分类器的步骤包括:S11、准备训练样本;S12、初始化样本权重;S13、归一化样本权重系数,计算每个样本特征点分类误差,选取分类误差最小的弱分类器,然后重新计算并分配训练样本的权值;S14、判断训练迭代总次数是否达到预设次数,如果没有达到预设次数,则循环执行步骤S13,如果达到预设次数,则进行步骤S15;S15、获取强分类器。3.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法,其特征在于,步骤S2中利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型的步骤包括:S21、准备训练样本;S22、预处理训练样本;S23、对样本进行坐标变换,构建平均形状模型;S24、设置训练模型参数;S25、训练随机森林,获得特征映射函数,提取局部二值特征,对形状进行全局线性回归,并对形状进行更新;S26、判断回归次数是否达到预设次数,如果没有达到预设次数,则循环执行步骤S25,如果达到预设次数,则保存模型。4.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法,其特征在于,步骤S3中对驾驶员嘴部区域图像进行预处理的步骤为:根据S1中采集驾驶员头部图像时环境的光照强度选择基于最大阈值分割法计算二值化阈值从而获取所述驾驶员嘴部区域图像的二值化图像或者基于YIQ表色系统进行唇色阈值分割从而获取所述驾驶员嘴部区域图像的二值化图像。5.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法,其特征在于,步骤S3中:用椭圆对所述嘴部轮廓进行拟合,以拟合的椭圆长短轴长度比值为所述嘴部的张开度;当所述嘴部的张开度超过张开度预设值时,开始计算所述持续张开时长,当所述嘴部的张开度小于张开度预设值时,停止计算所述持续张开时长,如果计算的持续张开时长超过张开时长预设值时,判定驾驶员在打哈欠,并计入...
【专利技术属性】
技术研发人员:徐文平,韩守东,刘文龙,
申请(专利权)人:湖北天业云商网络科技有限公司,
类型:发明
国别省市:湖北,42
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。