一种驾驶员酒驾检测方法技术

本发明专利技术公开了一种驾驶员酒驾检测方法，具体包括：采集包含驾驶员人脸的视频图像，分帧后检测并截取每一帧图像中的人脸，进行人脸对齐和人眼定位，计算出眼睛状态指标，再从对齐的人脸中选择人脸ROI区域，从ROI区域中提取出IPPG信号进行预处理，然后分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，得到生理特征和眼睛状态特征，运用多模态融合策略将两者融合后的特征向量输入至酒驾分类预测模型，最后判定驾驶员是否酒驾及酒驾等级。本发明专利技术属于非接触式酒驾检测方法，操作简便且安全卫生，能有效提升经济效益和检测效率，可实现预测性、实时性和追溯性酒驾检测。实时性和追溯性酒驾检测。实时性和追溯性酒驾检测。

【技术实现步骤摘要】
一种驾驶员酒驾检测方法


[0001]本专利技术涉及图像处理技术和酒驾检测
，具体涉及一种驾驶员酒驾检测方法。

技术介绍

[0002]世界卫生组织的调查显示，大约50%到60%的交通事故与酒后驾驶相关，酒驾已成为交通事故的第一大诱因。研究表明，酒驾会导致驾驶员触觉、判断和操作能力降低，并出现视觉障碍和疲劳等情况，因酒驾发生交通事故的比例与非酒驾相比会增加16倍。目前常用的驾驶员酒精含量检测方法是通过对其呼出气体、唾液、尿液和血液中的酒精含量进行检测，前两者的检测属于定性检测，一般作为后两者检测的前提条件。大多数情况下，酒驾检测都是接触式检测，需要部署出动警力，检测效率和范围局限性大，且需要被检测人员较好的配合，以避免出现作弊的情况，也不能做到预防性检测。利用红外线检测血管酒精含量的技术作为非接触式的检测技术，依据皮肤表面血管的血液中酒精含量会影响其对近红外光的吸收量的原理，在一定程度上解决了部分接触式检测的问题，但仍然需要驾驶员配合，且在无人监管的情况下无法确定驾驶员的身份。
[0003]另一方面，通过酒精对人体影响的研究发现，酒后人的某些生理特性相对于未饮酒状态会发生显著变换，这为利用生理特性变化规律来检测驾驶员是否酒驾提供了理论依据和新的思路，同时可结合非接触式采集技术，实现安全卫生的预防性酒驾检测。

技术实现思路

[0004]本专利技术的目的在于提出一种驾驶员酒驾检测方法，以便及时掌握驾驶员酒驾情况，并进行及时干预。
[0005]为实现上述目的，本专利技术提供以下技术方案：一种驾驶员酒驾检测方法，包括以下步骤：S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸。
[0006]S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标。
[0007]所述人眼定位可以是通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配等方法进行人眼定位，再通过图像二值化处理、噪声处理得到人眼状态定位图像，也可以是通过人脸特征点中的人眼特征点进行定位。
[0008]S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理。
[0009]所述IPPG信号预处理包含了IPPG信号缺失值处理、增强、降噪处理。
[0010]S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理
特征和眼睛状态特征。
[0011]所述相同时域长度的选取可通过设定时间间隔的滑动窗口形式来实现数据的实时性。
[0012]所述生理特征包含心率、呼吸频率、血压、心率变异性指标、血流量相对指标和脉搏波特征参数。
[0013]所述眼睛状态特征包含眨眼频率、平均眨眼时间、眼睛闭合时间占比、瞳孔直径均值。
[0014]S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量。
[0015]所述多模态融合策略可以采用数据级融合方法或者特征级融合方法。
[0016]S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。
[0017]所述酒驾分类预测模型基于前期采集的饮酒前后人员的生理特征和眼睛状态特征的样本数据进行构建，在样本数据积累过程中不断优化。
[0018]本专利技术的有益效果是：一种驾驶员酒驾检测方法，相对于接触式酒驾检测方法更加安全卫生和简便，在不需要耗费额外人力部署的情况下，还可利用车辆原有用于驾驶员监控或疲劳等其他检测的摄像设备，降低驾驶员抵触心理，同时可通过人脸信息确认驾驶员身份，实现远程预防性、实时性检测。对于过了酒精代谢期但之前可能存在酒驾行为的驾驶员，还可以通过对其历史视频图像的检测分析进行追溯。
附图说明
[0019]以下结合附图对本专利技术作进一步详细的说明。
[0020]图1为本专利技术的一种驾驶员酒驾检测方法的流程示意图。
具体实施方式
[0021]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0022]如图1所示，本专利技术提供了一种驾驶员酒驾检测方法，包括以下步骤：S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸。
[0023]S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标。
[0024]所述人眼定位可以是通过对人脸进行区域分割、边缘提取、灰度投影和模板匹配等方法进行人眼定位，再通过图像二值化处理、噪声处理得到人眼状态定位图像，也可以是通过人脸特征点中的人眼特征点进行定位。
[0025]S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理。
[0026]所述ROI需要有血管分布且不受五官形状、分布和面部表情的影响，比如额头、两颊区域。
[0027]所述IPPG信号由ROI的不同颜色通道的灰度均值数据构成，其中颜色通道类型和数量可由视频采集设备的色彩模式决定，其预处理包含了IPPG信号缺失值处理、增强、降噪处理，得到相对干净清晰的脉搏波信号。
[0028]S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理特征和眼睛状态特征。
[0029]所述相同时域长度的选取可通过设定时间间隔的滑动窗口形式来实现数据的实时性，比如每隔1-5秒取30-60秒的数据进行实时处理。
[0030]所述生理特征包含心率、呼吸频率、血压、心率变异性指标、血流量相对指标和脉搏波特征参数，所述血流量相对指标以在设定时域长度内的ROI的绿色通道灰度均值的均值表示，所述脉搏波特征参数包括时域特征参数和频域特征参数，最终选用的参数可由分类预测模型效果分析决定。
[0031]所述眼睛状态特征包含眨眼频率、平均眨眼时间、眼睛闭合时间占比、瞳孔直径均值。
[0032]S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量。
[0033]所述多模态融合策略可以是使用线性、非线性估计或其他统计运算的数据级融合方法，也可以是各特征长度归一化后级联拼接、基于稀疏核降秩回归或其他的特征级融合方法。
[0034]S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。
[0035]所述群体酒驾分类预测模型基于前期采集的饮酒前后人员的生理特征和眼睛状态特征的样本数据进行构建，在检测过程中不断累积更贴合实际驾驶员情境的新数据，据此不断更新优化模型。
[0036]作为本专利技术的一种优选实施例，所述一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员酒驾检测方法，其特征在于，包括以下步骤：S1、采集包含驾驶员人脸的视频图像，将其分解为一系列帧图像，对每一帧图像进行处理，检测并截取每一帧图像中的人脸；S2、对每一帧人脸进行人脸对齐和人眼定位，计算出人眼的宽高比、人眼黑色像素占总体像素的比例、人眼中心区域内黑色像素所占比例以及瞳孔直径这四个眼睛状态指标；S3、从每一帧对齐后的人脸中选定人脸感兴趣区域（ROI），将ROI的颜色通道分离，提取出IPPG信号，并进行预处理；S4、分别对相同时域长度的IPPG信号和眼睛状态指标进行处理，计算提取出生理特征和眼睛状态特征；S5、运用多模态融合策略将生理特征和眼睛状态特征进行融合，获得特征向量；S6、将特征向量输入至酒驾分类预测模型，判定驾驶员是否酒驾及酒驾等级。2.根据权利要求1所述的一种驾驶员酒驾检测方法，其特征还在...

【专利技术属性】
技术研发人员：黄晓笑，符健春，
申请(专利权)人：杭州艺兴科技有限公司，
类型：发明
国别省市：