基于N-range图像处理算法的眼动参数监测的疲劳检测方法技术

本发明专利技术公开了一种基于N‑range图像处理算法的眼动参数监测的疲劳检测方法，包括以下步骤：1)采集侧眼图像并预处理；2)通过十字交叉卷积核进行卷积操作，得到眼部的梯度激活图；3)对梯度激活图进行阈值分割，去除激活程度低于阈值的区域并置为0，其余区域保持不变；4)计算图像的列方向和行方向的标准差投影图；对标准差投影图采用平均值阈值分割法，保留大于平均值标准差所在的行序号和列序号，作为眼部的区域；5)计算矩形框的高宽比，判断睁、闭眼状态；6)疲劳状态分析。本发明专利技术具有平移旋转以及尺度不变形，且鲁棒性高，抗噪声能力与抗光照不均衡能力均较强，能提高疲劳检测的准确率。

Fatigue Detection Method for Eye Movement Parameter Monitoring Based on N-range Image Processing Algorithms

【技术实现步骤摘要】
基于N-range图像处理算法的眼动参数监测的疲劳检测方法
本专利技术涉及疲劳检测
，特别涉及一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法。
技术介绍
疲劳是由于过度的体力或脑力劳动引起的一种生理现象，是人体正常的生理活动规律。在医学上，疲劳被定义为人体困顿、倦怠的感觉，是需要休息和放松的信号。疲劳主要表现为瞌睡，精力不集中，人体的正常反应减慢，交感神经活动减弱，副交感神经增强等。疲劳表现出来的某些生理、心理和行为科学指标可以通过实验来测定。比如，通过肌电图测定肌肉的疲劳现象，通过脑电图、闪光融合频率测定脑力疲劳现象，以及通过眼电图测定眼睛的视觉和眼睛疲劳等。为提高作业的安全性，疲劳监测的相关研究方法主要有：基于生理的方法，通过分析驾驶员脑电图的变化；通过分析汽车转向轮上握力的变化、基于驾驶员头部行为的方法以及基于眼动的监测方法。其中基于眼动的方法，使用成本最低，监测效率较高。目前基于眼动的疲劳监测方法均是利用PERCLOS理论并从正面采集人眼，并进行人眼特征提取。例如TapanPradhan(DharS,PradhanT,GuptaS,etal.ImplementationofrealtimeVisualAttentionMonitoringalgorithmofhumandriversonanembeddedplatform[C]//StudentsTechnologySymposium.IEEE,2010)提出了一种基于主成分分析的监测方法。其将眼睛图像分为三个类别：完全睁开、部分睁开和完全闭眼。通过对图像提取主成分，并奇异值分解，分别计算三个类别的最大概率，从而判别当前人眼的状态。这种方法在状态判别上具有较高的准确度，但是实用性较低，将人眼只分为3个状态，丢失了大量的人眼微动作信息，在疲劳判决方面，准确率较低。目前基于眼动的疲劳监测方法普遍存在运算量大、鲁棒性低、准确率较低等缺陷。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法。本专利技术可用于穿戴式的疲劳检测设备中(如采用眼镜形式的疲劳监测设备)，对人眼图像进行分析，以最终实现疲劳状态判断。为解决上述技术问题，本专利技术采用的技术方案是：一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法，包括以下步骤：1)采集侧眼图像，对图像进行灰度化处理和抗噪处理，得到预处理后的侧眼图像；2)针对预处理后的侧眼图像，通过十字交叉卷积核进行卷积操作，得到眼部的梯度激活图；3)对梯度激活图进行阈值分割，去除激活程度低于阈值的区域并置为0，其余区域保持不变；4)计算所述步骤3)得到的图像的列方向和行方向的标准差投影图；对标准差投影图采用平均值阈值分割法，保留大于平均值标准差所在的行序号和列序号，作为眼部的区域，即行序号和列序号组成了一个矩形框，通过该矩形框分割出眼部区域；5)计算所述步骤4)得到的矩形框的高宽比，通过将得到的高宽比的值与设定的睁闭眼阈值进行比较，判断睁、闭眼状态；6)统计一段时间内的眼部图像，对每一张图像按上述步骤处理得到睁、闭眼状态，计算其闭眼的帧数占总帧数的百分比，当百分比大于设定的疲劳阈值时，判定为疲劳状态。优选的是，所述步骤2)具体包括：采用十字交叉型的卷积核K，捕捉横纵方向上的绝对梯度和，卷积核K大小为N*N，N＝2*i+1，i＝1,2,3,4……，卷积核中心权重为0，上下两侧各为+1与-1，左右两侧各为+1与-1。优选的是，所述卷积核K进行卷积激活的公式如下式(1)：其中，Absolute表示对卷积激活的结果进行绝对值运算，m,n代表预处理后的侧眼图像中坐标位置为(m,n)的像素点；x[m,n]为像素点(m,n)的激活值，对预处理后的侧眼图像中的每一个像素点(m,n)，均与卷积核K进行半绝对卷积运算，从而得到眼部的梯度激活图。优选的是，所述步骤3)中，采用OTSU算法对梯度激活图进行阈值分割：按照激活的特性将图像分成前景和背景两部分，背景和前景之间的类间方差越大，说明构成图像两部分的差别就越大；通过找到类间方差最大的分割，来凸显出激活区域的，而衰减非激活区域或遮蔽，即将非激活区域激活值置为0。优选的是，所述步骤3)具体包括：3-1)先计算梯度激活图的激活直方图，即将梯度激活图所有的像素点按照0～255共256个bin，统计落在每个bin的像素点数量；3-2)归一化激活直方图，即将每个bin中像素点数量除以总的像素点；3-3)用i表示分类的阈值，也即一个激活级，从0开始迭代；3-4)通过归一化的激活直方图，统计0～i激活级的像素占整幅图像的比例w0，假设像素值在0～i范围的像素叫做前景像素，并统计前景像素的平均灰度u0；统计i～255激活级的像素占整幅图像的比例w1，假设像素值在i～255范围的像素叫做背景像素，并统计背景像素的平均激活u1；3-5)按下式(2)计算前景像素和背景像素的方差，：g＝w0*w1*(u0-u1)2(2)3-6)令i＝i+1；转到步骤3-4)进行迭代，直到i为256时结束迭代；3-7)将最大g相应的i值作为梯度激活图的全局激活阈值，将激活值小于g的像素点的激活值置于0，其余区域保持不变。优选的是，所述步骤4具体包括：4-1)对所述步骤3)得到的图像，计算其列方向标准差投影图，然后对标准差投影图计算列平均标准差，记为CMSTD，并保留列标准差大于列平均标准差CMSTD的列的位置，具体计算公式如下式(3)和式(4)所示：令所述步骤3)得到的图像共N列，n表示每列的像素数，x1,x2,x3...,xn表示这组像素的具体激活值：则每列平均灰度：每列标准差：通过(3)和式(4)计算得到每列的标准差，然后计算得到所有列的标准差的平均值，即列平均标准差；4-2)按照与上述步骤4-1)相同的方法，对激活图计算行方向标准差投影图，对标准差投影图计算行平均标准差，记为RMSTD，并保留行标准差大于RMSTD的行的位置；4-3)将上述步骤4-1)和4-2)保留得到的行序号和列序号形成的区域作为眼部区域，即该行序号和列序号组成了一个包含眼部区域的矩形框。优选的是，所述步骤5)具体包括：先定义上下眼睑的最大距离为眼高H，侧眼的眼宽为W，眼高与眼宽的比值为眼部高宽比β，即设定睁闭眼阈值为βt；然后根据步骤4)的结果，计算得到当前图像中矩形框的高宽比βx，若βx≥βt，则表示当前为睁眼状态，反之则为闭眼状态。优选的是，其中，所述步骤5)中设定的睁闭眼阈值βt＝0.2，高宽比小于0.2时，为闭眼状态，反之则为睁眼状态。优选的是，所述步骤6)中设定的疲劳阈值为0.37。本专利技术的有益效果是：本专利技术的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，具有平移旋转以及尺度不变形，且鲁棒性高，抗噪声能力与抗光照不均衡能力均较强，能提高疲劳检测的准确率。本专利技术由于是从侧面采集人眼，因此可以完全避免从人脸图像中再去提取人眼区域的步骤，降低了错误率并大幅提高了准确率。附图说明图1为本专利技术的基于N-range图像处理算法的眼动参数监测的疲劳检测方法的流程图；图2为本专利技术的一种实施例中的卷积核K的结构示意图；图3为本专利技术的一种实施本文档来自技高网...

【技术保护点】
1.一种基于N‑range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，包括以下步骤：1)采集侧眼图像，对图像进行灰度化处理和抗噪处理，得到预处理后的侧眼图像；2)针对预处理后的侧眼图像，通过十字交叉卷积核进行卷积操作，得到眼部的梯度激活图；3)对梯度激活图进行阈值分割，去除激活程度低于阈值的区域并置为0，其余区域保持不变；4)计算所述步骤3)得到的图像的列方向和行方向的标准差投影图；对标准差投影图采用平均值阈值分割法，保留大于平均值标准差所在的行序号和列序号，作为眼部的区域，即行序号和列序号组成了一个矩形框，通过该矩形框分割出眼部区域；5)计算所述步骤4)得到的矩形框的高宽比，通过将得到的高宽比的值与设定的睁闭眼阈值进行比较，判断睁、闭眼状态；6)统计一段时间内的眼部图像，对每一张图像按上述步骤处理得到睁、闭眼状态，计算其闭眼的帧数占总帧数的百分比，当百分比大于设定的疲劳阈值时，判定为疲劳状态。

【技术特征摘要】
1.一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，包括以下步骤：1)采集侧眼图像，对图像进行灰度化处理和抗噪处理，得到预处理后的侧眼图像；2)针对预处理后的侧眼图像，通过十字交叉卷积核进行卷积操作，得到眼部的梯度激活图；3)对梯度激活图进行阈值分割，去除激活程度低于阈值的区域并置为0，其余区域保持不变；4)计算所述步骤3)得到的图像的列方向和行方向的标准差投影图；对标准差投影图采用平均值阈值分割法，保留大于平均值标准差所在的行序号和列序号，作为眼部的区域，即行序号和列序号组成了一个矩形框，通过该矩形框分割出眼部区域；5)计算所述步骤4)得到的矩形框的高宽比，通过将得到的高宽比的值与设定的睁闭眼阈值进行比较，判断睁、闭眼状态；6)统计一段时间内的眼部图像，对每一张图像按上述步骤处理得到睁、闭眼状态，计算其闭眼的帧数占总帧数的百分比，当百分比大于设定的疲劳阈值时，判定为疲劳状态。2.根据权利要求1所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述步骤2)具体包括：采用十字交叉型的卷积核K，捕捉横纵方向上的绝对梯度和，卷积核K大小为N*N，N＝2*i+1，i＝1,2,3,4……，卷积核中心权重为0，上下两侧各为+1与-1，左右两侧各为+1与-1。3.根据权利要求2所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述卷积核K进行卷积激活的公式如下式(1)：其中，Absolute表示对卷积激活的结果进行绝对值运算，m,n代表预处理后的侧眼图像中坐标位置为(m,n)的像素点；x[m,n]为像素点(m,n)的激活值，对预处理后的侧眼图像中的每一个像素点(m,n)，均与卷积核K进行半绝对卷积运算，从而得到眼部的梯度激活图。4.根据权利要求3所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述步骤3)中，采用OTSU算法对梯度激活图进行阈值分割：按照激活的特性将图像分成前景和背景两部分，背景和前景之间的类间方差越大，说明构成图像两部分的差别就越大；通过找到类间方差最大的分割，来凸显出激活区域的，而衰减非激活区域或遮蔽，即将非激活区域激活值置为0。5.根据权利要求4所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述步骤3)具体包括：3-1)先计算梯度激活图的激活直方图，即将梯度激活图所有的像素点按照0～255共256个bin，统计落在每个bin的像素点数量；3-2)归一化激活直方图，即将...

【专利技术属性】
技术研发人员：姚康，管凯捷，任谊文，付威威，董月芳，
申请(专利权)人：苏州国科视清医疗科技有限公司，
类型：发明
国别省市：江苏,32