基于opencv技术的疲劳驾驶预警系统技术方案

本发明专利技术公开了一种基于opencv技术的疲劳驾驶预警系统，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号进行判断，从而预警提醒；摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，判定此时驾驶员是否处于疲劳状态，从而预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示。本发明专利技术大大提高驾驶员疲劳驾驶提醒的准确性。

Fatigue driving warning system based on OpenCV Technology

The invention discloses a fatigue driving early warning system based on OpenCV technology, which comprises an infrared sensor and a video camera. The infrared sensor and the video camera are connected with a processor through a communication module; the infrared sensor tracks a certain point in the driver's head and collects the driver's physiological signals for judgment, so as to predict. Video cameras track the driver's face in real time and transmit the captured image as input data to the processor. The processor discriminates the captured image to determine whether the driver is in a fatigue state at this time, thus alerting the driver. When the infrared sensor detects more than the prescribed. When the threshold distance is lowered and the camera is detected to exceed the distance between the upper and lower eyelids, the alarm is alerting. The invention greatly improves the accuracy of the driver's fatigue driving reminder.

【技术实现步骤摘要】
基于opencv技术的疲劳驾驶预警系统
本专利技术涉及行车安全领域，具体涉及一种基于opencv技术的疲劳驾驶预警系统。
技术介绍
当今研究提出了许多关于图像识别，即计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。一般工业使用中，采用工业相机拍摄图片，然后再利用软件根据图片灰阶差作进一步识别处理。图像识别的数学本质属于模式空间到类别空间的映射问题。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。图像分割是图像处理中的一项关键技术，包括有阈值分割方法，边缘检测方法，区域提取方法，结合特定理论的工具的分割方法。在车内驾驶员疲劳监测
中，本质上是在行驶过程中捕捉并分析驾驶员的生物行为信息，比如眼睛、脸部、心脏、脑电活动，等等的技术等等。然而心跳活动和脑电监测由于受接触的限制，目前没有在车内批量应用。当前最多被采用的疲劳检测手段是驾驶员驾车行为分析，即通过记录和解析驾驶员转动方向盘、踩刹车等行为特征，判别驾驶员是否疲劳。但是这种方式受驾驶员驾驶习惯影响极大。另一大类别的检测方法是：通过图像分析手段对驾驶员脸部与眼睛特征进行疲劳评估。这一方法正渐渐被整车厂商接受并采用。但是现有的图像检测方式存在较大的误报率，无法很好的达到使用效果。
技术实现思路
本专利技术要解决的技术问题是提供一种基于opencv技术的疲劳驾驶预警系统，大大提高驾驶员疲劳驾驶提醒的准确性。为了解决上述技术问题，本专利技术提供了一种基于opencv技术的疲劳驾驶预警系统，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；所述红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号，当驾驶人出现疲劳进而将头低下的生理信号时，红外传感器反馈低头的距离信号给处理器，处理器基于低头的距离进行检验，若超过所规定的低头距离阈值时，进行预警提醒；所述摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，并建立坐标系，将驾驶员的两眼进行投影从而得到两眼的坐标，通过坐标量化两只眼睛的上下眼皮相差距离，而后将上下眼皮相差距离与所设置的上下眼皮距离阈值进行比较，当得到的上下眼皮相差距离超出上下眼皮距离阈值后，判定此时驾驶员处于疲劳状态，进行预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示；其中，在对采集的图像进行判别时，先利用积分图像算法来提取图像特征值，接着利用adaboost分类器的特征强化弱分类器，保留最有用特征，最后将adaboost分类器进行改造，制得级联adaboost分类器，采用级联adaboost分类器对图像进行判别；所述级联adaboost分类器包括以下制备步骤：步骤1)首先初始化训练数据；D1表示第一次迭代的每个样本的权值，w11表示第1次迭代时的第一个样本的权值，N为样本总数；步骤2)进行多次迭代；C、使用具有权值分布Dm(m＝1,2,3…N)的训练样本集进行学习，得到弱分类器；Gm(x):x→{-1，+1}该式子表示，第m次迭代时的弱分类器，将样本x分类成-1或1；准则：该弱分类器的误差函数最小，也就是分错的样本对应的权值之和最小；是一个常量；其中em为误差函数值；D、计算弱分类器Gm(x)的话语权，采用如下公式：话语权am表示Gm(x)在最终分类器中的重要程度，其中am等于em；该公式是随em减小而增大，即误差率小的分类器，在最终分类器的重要程度大；C、更新训练样本集的权值分布，用于下一轮迭代；其中，被误分的样本的权值会增大，被正确分的权值减小；Dm+1＝(Wm+1，1，Wm+1，2，...Wm+1，i，....Wm+1，N)，上式中Dm+1是用于下次迭代时样本的权值，wm+1，i是下一次迭代时，第i个样本的权值；yi代表第i个样本对应的类别为1或-1，Gm(xi)表示弱分类器对样本xi的分类，若果分对，则yi*Gm(xi)的值为1，反之为-1；Zm是归一化因子，使得所有样本对应的权值之和为1，并且Zm的计算公式如下：步骤3)迭代完成后，组合弱分类器；组合公式如下：采用组合公式得到级联adaboost分类器。进一步的，所述上下眼皮相差距离采用欧氏距离公式计算。进一步的，所述通信模块采用Lora模块。进一步的，预警提醒和警报警示采用蜂鸣器，通过蜂鸣器的音量高低以及蜂鸣器的发音间隔达配合发出提醒声和警示声。进一步的，所述预警提醒采用警示灯发出提醒灯光，所述警报警示采用蜂鸣器发出警示声音。进一步的，将摄像仪和红外传感器的信息判断结果进行信息融合；将摄像仪和红外传感器均作为传感装置，先判断传感装置在某一个观测时刻的一致性测度pi(t)，即第i个传感装置的观测值与其余传感装置的观测值的相似度；其中，需要对单个传感装置自身的可靠性进行判断，单个传感装置自身的可靠性通过传感装置的测量均值和方差来表示，测量均值和方差采用如下公式计算：通过ri(t)和进行对单个传感装置判断，单个传感装置一致可靠性测度为：对上述公式进行归一化：其中，qi(t)和qj(t)分别表示为两个不同的单个传感装置一致可靠性测度；将测量均值和方差做比值不含有参数调整，将t时刻n个数据按照如下公式进行融合：其中，x(t)为t时刻的最终判断结果，xi(t)为t时刻的第i个传感装置的判断结果。进一步的，对单个传感装置自身的可靠性进行判断时，需要通过时间序列波动因素分析，对单个传感装置在全部传感装置中的权重进行调整；时间序列波动由[pi(1)，pi(2)，...，pi(t)]T表示，当时间序列波动小，则该传感装置性能稳定，即该传感装置的可靠性高，在全部传感装置中的权重占比提高；当时间序列波动大时，则该传感装置性能不稳定，即该传感装置的可靠性低，在全部传感装置中的权重占比降低。本专利技术的有益效果：本专利技术能够针对驾驶人在驾驶过程中出现疲劳产生的面部特征和产生的一系列生理信号进行检测从而避免驾驶人在驾驶过程中产生意外状况；基于驾驶人在出现疲劳状态时眼睛出现飘忽不定这一特征对人眼进行跟踪检测，通过设定一个阈值并将不同时刻眼睛的状态与设定的阈值进行比较，从而判定驾驶人此时的状态；通过设置比较合理地阈值，每个驾驶人眼睛大小，是否戴眼镜以及灯光等因素都会影响监测，基于这种情况对不同人不同灯光条件设置比较合理地阈值从而来判断此时驾驶人的状态，本专利技术能够有效避免此类误报问题。本专利技术是提出一套基于Viola-Jones方法的人脸检测方法，先利用积分图像算法来提取图像特征值，运算方法较快，接着利用adaboost分类器的特征强化弱分类器，保留最有用特征，因此减少了检测时的运算复杂度，最后将adaboost分类器进行改造，变成级联adaboost分类器，提高了人脸检测的准确率。而红外传感则用于检测驾驶人是否疲劳时的其他生理现象比如低头，这样红外传感器就会检测到阴影从而判断驾驶人出现上述生理特征进而报警。具体实施方式下面结合具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定。本专利技术的基于opencv技术的疲劳驾驶预警系统的一实施例，包括红外传感器和摄像本文档来自技高网...

【技术保护点】
1.一种基于opencv技术的疲劳驾驶预警系统，其特征在于，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；所述红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号，当驾驶人出现疲劳进而将头低下的生理信号时，红外传感器反馈低头的距离信号给处理器，处理器基于低头的距离进行检验，若超过所规定的低头距离阈值时，进行预警提醒；所述摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，并建立坐标系，将驾驶员的两眼进行投影从而得到两眼的坐标，通过坐标量化两只眼睛的上下眼皮相差距离，而后将上下眼皮相差距离与所设置的上下眼皮距离阈值进行比较，当得到的上下眼皮相差距离超出上下眼皮距离阈值后，判定此时驾驶员处于疲劳状态，进行预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示；其中，在对采集的图像进行判别时，先利用积分图像算法来提取图像特征值，接着利用adaboost分类器的特征强化弱分类器，保留最有用特征，最后将adaboost分类器进行改造，制得级联adaboost分类器，采用级联adaboost分类器对图像进行判别；所述级联adaboost分类器包括以下制备步骤：步骤1)首先初始化训练数据；...

【技术特征摘要】
1.一种基于opencv技术的疲劳驾驶预警系统，其特征在于，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；所述红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号，当驾驶人出现疲劳进而将头低下的生理信号时，红外传感器反馈低头的距离信号给处理器，处理器基于低头的距离进行检验，若超过所规定的低头距离阈值时，进行预警提醒；所述摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，并建立坐标系，将驾驶员的两眼进行投影从而得到两眼的坐标，通过坐标量化两只眼睛的上下眼皮相差距离，而后将上下眼皮相差距离与所设置的上下眼皮距离阈值进行比较，当得到的上下眼皮相差距离超出上下眼皮距离阈值后，判定此时驾驶员处于疲劳状态，进行预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示；其中，在对采集的图像进行判别时，先利用积分图像算法来提取图像特征值，接着利用adaboost分类器的特征强化弱分类器，保留最有用特征，最后将adaboost分类器进行改造，制得级联adaboost分类器，采用级联adaboost分类器对图像进行判别；所述级联adaboost分类器包括以下制备步骤：步骤1)首先初始化训练数据；D1表示第一次迭代的每个样本的权值，w11表示第1次迭代时的第一个样本的权值，N为样本总数；步骤2)进行多次迭代；A、使用具有权值分布Dm(m＝1，2，3…N)的训练样本集进行学习，得到弱分类器；Gm(x)∶x→{-1，+1}该式子表示，第m次迭代时的弱分类器，将样本x分类成-1或1；准则：该弱分类器的误差函数最小，也就是分错的样本对应的权值之和最小；是一个常量；其中em为误差函数值；B、计算弱分类器Gm(x)的话语权，采用如下公式：话语权am表示Gm(x)在最终分类器中的重要程度，其中am等于em；该公式是随em减小而增大，即误差率小的分类器，在最终分类器的重要程度大；C、更新训练样本集的权值分布，用于下一轮迭代；其中，被误分的样本的权值会增大，被正确分的权值减小；Dm+1＝(wm+1，1，wm+1，2，...wm+1，i，..，wm+1，N)，上式中Dm+1是用于下次迭代时样本的权值，wm＋1，i是下一次迭代时，第i个样本的权值；yi代表第i个样本对...

【专利技术属性】
技术研发人员：彭力，陶康，关晨晨，李超，张昌伟，吕鹏飞，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32