一种疲劳驾驶识别方法及系统技术方案

本发明专利技术提供一种疲劳驾驶识别方法及系统，其中，疲劳驾驶识别方法包括如下步骤：S1、建立识别眼部特征的第一比对模板；S2、建立识别嘴部特征的第二比对模板；S3、建立识别头部特征的第三比对模板；S4、将建立的第一比对模板、第二比对模板、第三比对模板按照对疲劳驾驶判断的权重进行融合；S5、采集驾驶人员的人脸图像，提取人脸图像中的特征码，将提取的特征码与融合后的模板进行比对，当人脸图像中特征码与融合后的模板中特征一致时，发出疲劳报警信号。能够对驾驶人员的驾驶状态进行准确判断，进而及时提醒驾驶人员，避免其疲劳驾驶，有利于保证车辆的安全驾驶，有效地避免了安全事故的发生。

【技术实现步骤摘要】
一种疲劳驾驶识别方法及系统
本专利技术涉及疲劳驾驶识别
，尤其涉及一种疲劳驾驶识别方法及系统。
技术介绍
在车辆驾驶过程中，随着驾驶的进行，驾驶人员容易出现疲劳驾驶的问题。其不但不利于驾驶人员的身体健康，更为严重的是，容易引发交通事故。对此，现有的车辆中都设置有疲劳驾驶的监测和提醒装置。然而，现有的提醒装置仅依靠定时的语音播报，其实时性和适应性较差。而对疲劳驾驶进行监测的装置，虽然可对驾驶人员的驾驶状态进行判断，但是其识别的准确性较差。因此，针对上述问题，有必要提出进一步地解决方案。
技术实现思路
本专利技术的目的在于提供一种疲劳驾驶识别方法及系统，以克服现有技术中存在的不足。为实现上述专利技术目的，本专利技术提供一种疲劳驾驶识别方法，其包括如下步骤：S1、建立识别眼部特征的第一比对模板；S2、建立识别嘴部特征的第二比对模板；S3、建立识别头部特征的第三比对模板；S4、将建立的第一比对模板、第二比对模板、第三比对模板按照对疲劳驾驶判断的权重进行融合；S5、采集驾驶人员的人脸图像，提取人脸图像中的特征码，将提取的特征码与融合后的模板进行比对，当人脸图像中特征码与融合后的模板中特征一致时，发出疲劳报警信号。作为本专利技术的疲劳驾驶识别方法的改进，建立识别眼部特征的第一比对模板包括：S11、建立第一眼部特征子模板：提供N个睁眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S12、建立第二眼部特征子模板：提供N个闭眼眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别方法的改进，建立识别嘴部特征的第二比对模板包括：S21、建立第一嘴部特征子模板：提供N个张嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S22、建立第二嘴部特征子模板：提供N个闭嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别方法的改进，建立识别头部特征的第三比对模板包括：S31、建立第一头部特征子模板：提供N个抬头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S32、建立第二头部特征子模板：提供N个闭低头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别方法的改进，将提取的特征码与融合后的模板进行比对包括：对人脸图像的尺寸进行归一化操作；将经过归一化操作的人脸图像转化为灰度图像；计算出灰度图像中所有遍历子图和融合后的模板中同一特征的两个子模板的相似度，两个子模板的矩阵式为：则相似度计算公式如下所示：比较所有遍历子图计算得到的所有相似度，当计算结果满足设定的阈值时，认为该特征下二者一致；按照上述步骤确定其他特征的相似度。为实现上述专利技术目的，本专利技术提供一种疲劳驾驶识别系统，其包括：特征模板建立模块、融合模块、比对模块；所述特征模板建立模块用于：建立识别眼部特征的第一比对模板；建立识别嘴部特征的第二比对模板；建立识别头部特征的第三比对模板；所述融合模块用于：将建立的第一比对模板、第二比对模板、第三比对模板按照对疲劳驾驶判断的权重进行融合；所述比对模块用于：采集驾驶人员的人脸图像，提取人脸图像中的特征码，将提取的特征码与融合后的模板进行比对，当人脸图像中特征码与融合后的模板中特征一致时，发出疲劳报警信号。作为本专利技术的疲劳驾驶识别系统的改进，所述特征模板建立模块还用于：建立第一眼部特征子模板：提供N个睁眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；建立第二眼部特征子模板：提供N个闭眼眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别系统的改进，所述特征模板建立模块还用于：建立第一嘴部特征子模板：提供N个张嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；建立第二嘴部特征子模板：提供N个闭嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别系统的改进，所述特征模板建立模块还用于：建立第一头部特征子模板：提供N个抬头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；建立第二头部特征子模板：提供N个闭低头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。作为本专利技术的疲劳驾驶识别系统的改进，所述比对模块还用于：对人脸图像的尺寸进行归一化操作；将经过归一化操作的人脸图像转化为灰度图像；计算出灰度图像中所有遍历子图和融合后的模板中同一特征的两个子模板的相似度，两个本文档来自技高网...

【技术保护点】
1.一种疲劳驾驶识别方法，其特征在于，所述疲劳驾驶识别方法包括如下步骤：S1、建立识别眼部特征的第一比对模板；S2、建立识别嘴部特征的第二比对模板；S3、建立识别头部特征的第三比对模板；S4、将建立的第一比对模板、第二比对模板、第三比对模板按照对疲劳驾驶判断的权重进行融合；S5、采集驾驶人员的人脸图像，提取人脸图像中的特征码，将提取的特征码与融合后的模板进行比对，当人脸图像中特征码与融合后的模板中特征一致时，发出疲劳报警信号。

【技术特征摘要】
1.一种疲劳驾驶识别方法，其特征在于，所述疲劳驾驶识别方法包括如下步骤：S1、建立识别眼部特征的第一比对模板；S2、建立识别嘴部特征的第二比对模板；S3、建立识别头部特征的第三比对模板；S4、将建立的第一比对模板、第二比对模板、第三比对模板按照对疲劳驾驶判断的权重进行融合；S5、采集驾驶人员的人脸图像，提取人脸图像中的特征码，将提取的特征码与融合后的模板进行比对，当人脸图像中特征码与融合后的模板中特征一致时，发出疲劳报警信号。2.根据权利要求1所述的疲劳驾驶识别方法，其特征在于，建立识别眼部特征的第一比对模板包括：S11、建立第一眼部特征子模板：提供N个睁眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S12、建立第二眼部特征子模板：提供N个闭眼眼图像，对齐N个图像内外眼角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。3.根据权利要求1所述的疲劳驾驶识别方法，其特征在于，建立识别嘴部特征的第二比对模板包括：S21、建立第一嘴部特征子模板：提供N个张嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S22、建立第二嘴部特征子模板：提供N个闭嘴图像，对齐N个图像的两端嘴角；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。4.根据权利要求1所述的疲劳驾驶识别方法，其特征在于，建立识别头部特征的第三比对模板包括：S31、建立第一头部特征子模板：提供N个抬头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值；S32、建立第二头部特征子模板：提供N个闭低头图像，对齐N个图像的头部上端点和下端点；将N个对齐后的图像转化为灰度图像，并对转化后的灰度图像的尺寸进行归一化处理；对归一化处理后的灰度图像的灰度均衡化处理；对灰度均衡化处理的灰度图像进行灰度值平均，并将图中各个像素点的灰度平均值对模板中像素点进行逐个赋值。5.根据权利要求1所述的疲劳驾驶识别方法，其特征在于，将提取的特征码与融合后的模板进行比对包括：对人脸图像的尺寸进行归一化操作；将经过归一化操作的人脸图像转化为灰度图像；计算出灰度图像中所有遍历子图和融合后的模板中同一特征的两个子模板的相似度，两个子模板的矩阵式为：则相似度计算公式如下所示：比较所有遍历子图计算得到的所有相似度，当计算结果满足设定的阈值时，认为该特征下二者一致；按照上述步骤确定其...

【专利技术属性】
技术研发人员：朱彬，高树超，
申请(专利权)人：镇江赛唯思智能科技有限公司，
类型：发明
国别省市：江苏,32