一种驾驶员疲劳检测方法及装置制造方法及图纸

本发明专利技术涉及一种驾驶员疲劳检测方法及装置，所述方法包括以下步骤：实时获取驾驶员的面部信息；对获取的面部信息进行分析，并进行疲劳分类；根据疲劳分类对驾驶员进行提醒。本发明专利技术对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征，通过对这些特征设定浅度疲劳、中度疲劳以及过度疲劳判据并给出不同级别的报警，实现疲劳检测的功能。

【技术实现步骤摘要】
一种驾驶员疲劳检测方法及装置
本专利技术涉及通讯
，尤其涉及一种驾驶员疲劳检测方法及装置。
技术介绍
目前驾驶员疲劳检测研究方法可分成两大类：a)从驾驶员自身特征出发，通过某种设备获取驾驶员的生理参数特征或者视觉特征，利用驾驶员在正常状态和疲劳状态的特征模式不同，采用相应的模式识别技术分类进行判别，从而检测到是否有疲劳产生；b)根据车辆的行为表现间接判断驾驶员是否产生疲劳。在这类技术中，通过传感器获取车辆在行驶过程中的各种参数，根据车辆行驶过程中的异常情况，如车辆是否超过道路标志线、速度是否超速、车辆之间的距离是否太近等，判断驾驶员是否有疲劳产生。目前疲劳检测系统比较多，效果比较好的有以下几种：a)澳大利亚国际大学开发的DAS,目前已经在商业上获得使用。使用安装在汽车仪表板上的人眼跟踪系统监控司机，能监控驾驶员表现，利用方向盘的握力反馈，同时将路面跟踪偏差反馈给驾驶员。路面跟踪设备目的是检测车辆突然擦过路面标志或者道路边缘等违规行为，该系统在检测到异常时给出警告，并有方向盘的制动功能。同时采用的座椅振动报警与道路侧面偏离的程度有关，以鼓励他们纠正航线偏离。b)欧盟于2004年完成AWAKE工程。采用的特征状态包括眼睑运动、握力改变及路面跟踪，并使用刹车和方向盘位置等制动行为，把这些方法结合起来抵制交通风险。c)CarnegieMellon大学开发的Copilot监控系统。通过Perelose测量眼睑运动，监控系统小且好用，提供一种有效的研究工具。d)Seeingmachine研究组开发的FaeeLABⅢ系统监控驾驶员行为，能检测疲劳与精力分散等情况。用一对视频相机获得视频图像，从左到右匹配得出每个特征的三维位置。采用最小二乘优化法定位头部三维位置，FaceLAB软件并行处理眼睛凝视数据，定位虹膜中心，根据眼睛凝视向量确定眼睛凝视方向，计算眼睛张开以及眨眼频率，监控眼睑。FaceLAB在模拟驾驶中被证明非常有效，且在低光线、头部大范围运动以及视觉方向跟踪上有很好的效果，即使司机带太阳镜也能检测出。可以看出，系统利用各种视觉特征以及车辆的行为表现等综合特征去检测是否有疲劳产生，同时有的还采用某些报警方式提醒驾驶员注意行车安全。目前在国内对这方面涉及比较少，只有少量的研究成果。存在的问题及发展趋势：由于驾驶员个体差异以及光线、路面等驾驶环境差异大，目前的疲劳检测算法基本都是基于模拟驾驶环境，下一步要向真实驾驶环境上发展，使疲劳检测技术广泛应用到商业领域，减少疲劳驾驶而造成的交通事故。不论是从驾驶员自身特征还是从车辆行为方面看，可以直接获得的特征类型有限，而且直接提取的表面特征数据多且有冗余。因此一方面要对疲劳特征进行挖掘，用先进的信号处理方法提取最能表征疲劳的特征参数，另一方面要采用信号融合处理方法，将多个疲劳特征参数结合起来去对驾驶员疲劳状况进行检测，克服空间、光照等影响，提高检测算法的实时性、准确度。驾驶员疲劳检测系统应该具有疲劳决策功能。由于不同人有不同的疲劳表现特征，疲劳检测系统应该具有智能，有自学习、推理功能。在驾车初期，系统根据获取驾驶员的相关数据对系统进行训练，能得出驾驶员的疲劳特征选择最适合他的检测方法，能适应每个驾驶员。目前，国内外疲劳检测设备主要集中在对驾驶员眼部的检测，没有实现对嘴型的判断，因此容易出现漏判和错判的情况；另外，目前国内外疲劳驾驶设备只能实时检测眼睛位置和眼睛特征，不能实现对眼睛位置和眼睛特征的预测功能，因此对驾驶员的疲劳状态没有实现预测功能；目前国内外疲劳检测设备采取奇偶两帧图像像素对比的方法检测眼睛位置和特征，检测速度慢，且检测精度低。
技术实现思路
为了现有技术存在的上述技术缺陷，本专利技术提供一种驾驶员疲劳检测方法及装置，利用Kalman滤波器和Mean-shift算法采取采用连续检测、短时跟踪策略，对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征，通过对这些特征设定浅度疲劳、中度疲劳以及过度疲劳判据并给出不同级别的报警，实现疲劳检测的功能，可以有效解决
技术介绍
中的问题。为了解决上述技术问题，本专利技术提供的驾驶员疲劳检测方法及装置的技术方案具体如下：第一方面，本专利技术实施例公开了一种驾驶员疲劳检测方法，所述方法包括以下步骤：实时获取驾驶员的面部信息；对获取的面部信息进行分析，并进行疲劳分类；根据疲劳分类对驾驶员进行提醒。在上述任一方案中优选的是，所述驾驶员的面部信息包括眼睛状态和嘴巴状态，采用红外光源采集图像，采取将奇偶两帧图像进行差分的方法精确地检测眼睛状态，利用Kalman滤波器和Mean-shift算法采取采用连续检测、短时跟踪策略，对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征。在上述任一方案中优选的是，所述的驾驶员疲劳检测方法，还包括通过对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征，通过对这些特征设定浅度疲劳、中度疲劳以及过度疲劳判据并给出不同级别的报警，实现疲劳检测。在上述任一方案中优选的是，所述的驾驶员疲劳检测方法，还包括判断驾驶员眼睛的开闭来判断驾驶员是否疲劳，判断眼睛和嘴巴的特征值以及位置值是否达到设定数值，若达到设定数值，则控制报警设备发生报警，提醒驾驶员注意休息和行驶安全。在上述任一方案中优选的是，所述红外光源由两组内外环红外二极管组成，平均分布在同平面同轴心的一个圆环上，两者之间自由切换，使摄像机的视野受限范围减小，实现红外检测对眼睛的检测。在上述任一方案中优选的是，所述的驾驶员疲劳检测方法，还包括对眼睛的定位分析算法，具体包括以下步骤：眼睛的检测，红外光照射人脸后，利用CCD摄像头采集人脸视频图像，采集到两个波长的反射图像差分计算，即可检测到眼睛；由于噪声的影响，差分得到的图像需要进行预处理，进行直方图均值化处理，对图像中像素个数多的灰度级进行展宽，对像素个数少的灰度级进行缩减；把原始图像的直方图变换成均匀分布的形式，然后转化为二值图像。在上述任一方案中优选的是，所述的驾驶员疲劳检测方法，还包括对眼睛的追踪算法，具体包括以下步骤：眼睛的追踪，将Mean-Shift算法和Kalman滤波器两者结合起来，若Kalman滤波器检测到人眼时，直接采用其检测到的结果，同时记录下当前图像和人眼位置；若检测不到，就用最后一次记录的图像和人眼位置对Mean-Shift算法进行初始化，并使用Mean-Shift算法对当前图像上匹配搜索人眼区域，若后续图像中Kalman滤波器仍然检测不到，则一直进行Mean-Shift算法追踪。在上述任一方案中优选的是，所述分析眼睛的信息包括分析眼皮运动参数，实时提取到驾驶员眼睑的特征信息，利用眼睛闭合平均时间PERCLOS算法和眼睛平均闭合速度算法计算驾驶员的疲劳值，PERCLOS指在一定的时间内眼睛闭合时所占的本文档来自技高网...

【技术保护点】
1.一种驾驶员疲劳检测方法，其特征在于，所述方法包括以下步骤：/n实时获取驾驶员的面部信息；/n对获取的面部信息进行分析，并进行疲劳分类；/n根据疲劳分类对驾驶员进行提醒。/n

【技术特征摘要】
1.一种驾驶员疲劳检测方法，其特征在于，所述方法包括以下步骤：
实时获取驾驶员的面部信息；
对获取的面部信息进行分析，并进行疲劳分类；
根据疲劳分类对驾驶员进行提醒。


2.根据权利要求1所述的驾驶员疲劳检测方法，其特征在于，所述驾驶员的面部信息包括眼睛状态和嘴巴状态，采用红外光源采集图像，采取将奇偶两帧图像进行差分的方法精确地检测眼睛状态，利用Kalman滤波器和Mean-shift算法采取采用连续检测、短时跟踪策略，对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征。


3.根据权利要求2所述的驾驶员疲劳检测方法，其特征在于，还包括通过对眼睛位置进行跟踪、预测，分析眼睛的信息来计算眼睛特征以及嘴巴状态所能表现的脸部表情特征，通过对这些特征设定浅度疲劳、中度疲劳以及过度疲劳判据并给出不同级别的报警，实现疲劳检测。


4.根据权利要求3所述的驾驶员疲劳检测方法，其特征在于，还包括判断驾驶员眼睛的开闭来判断驾驶员是否疲劳，判断眼睛和嘴巴的特征值以及位置值是否达到设定数值，若达到设定数值，则控制报警设备发生报警，提醒驾驶员注意休息和行驶安全。


5.根据权利要求4所述的驾驶员疲劳检测方法，其特征在于，所述红外光源由两组内外环红外二极管组成，平均分布在同平面同轴心的一个圆环上，两者之间自由切换，使摄像机的视野受限范围减小，实现红外检测对眼睛的检测。


6.根据权利要求5所述的驾驶员疲劳检测方法，其特征在于，还包括对眼睛的定位分析算法，具体包括以下步骤：
眼睛的检测，红外光照射人脸后，利用CCD摄像头采集人脸视频图像，采集到两个波长的反射图像差分计算，即可检测到眼睛；
由于噪声的影响，差分得到的图像需要进行预处理，进行直方图均值化处理，对图像中像素个数多的灰度级进行展宽，对像素个数少的灰度级进行缩减；
把原始图像的直方图变换成均匀分布的形式，然后转...

【专利技术属性】
技术研发人员：王玉冰，
申请(专利权)人：南通路远科技信息有限公司，
类型：发明
国别省市：江苏;32