本发明专利技术提供一种昏暗环境下闭眼检测方法及系统，属于计算机视觉检测技术领域。本发明专利技术昏暗环境下闭眼检测方法，其特征在于，包括如下步骤：设定下限阈值和上限阈值，其中下限阈值和上限阈值均为正数，且下限阈值小于上限阈值；接收视频帧，根据眼睛关键点坐标信息，计算EAR；根据双阈值法判断EAR，连续多帧满足设定条件时，则认定为闭眼状态，其中，所述双阈值法的执行方法包括：判断EAR值，如果小于下限阈值，则启动计数，且在小于上限阈值的情况下，次数累加，如果不小于上限阈值，则停止并重置计数，当次数达到设定的门限次数时，则判定为闭眼状态。本发明专利技术的有益效果为：在矿井等昏暗环境下仍能稳定准确检测，从而为疲劳驾驶检测等系统提供支撑。系统提供支撑。系统提供支撑。
【技术实现步骤摘要】
一种昏暗环境下闭眼检测方法及系统
[0001]本专利技术涉及一种视觉检测技术，尤其涉及一种昏暗环境下闭眼检测方法及系统。
技术介绍
[0002]疲劳驾驶检测系统的一项重要指标是驾驶员的眼睛开闭状态，以睁眼、闭眼、眨眼等状态作为依据进一步分析驾驶员疲劳等级。在矿井等昏暗环境下，工作面有较大的粉尘，工作人员需要佩戴防护面罩，基本上只露出眼睛，因此对眼睛状态的准确判断至关重要。
[0003]检测睁闭眼的CV技术主要有两种，一种是训练一个分类模型，直接对视频中ROI(Region Of Interest)即眼部图像进行分类。另一种是先对脸部特征点检测，然后利用眼部关键点计算EAR(眼睛纵横比)，最后将EAR与阈值对比来判断眼睛状态。前者需要大量真实环境下的人脸数据，且需要耗费大量标注成本，训练数据的质量直接影响模型的好坏，且通用性并不是很好。后一种由于不需要大量的训练数据，在恶劣环境下，检测误差较大。但无论使用哪种方案，都面临一个共同的难题，即在矿井这样的复杂恶劣环境下，无法保证系统的稳定性和实时性。
[0004]在矿井等昏暗环境下，无论是开车还是工作，都要需要保持良好的精神状态，否则极容易引发安全事故。因此需要有一种方法能够在昏暗环境下准确判断人员是否闭眼，从而进一步判断其是否疲劳或者身体不适。
[0005]但是矿井的工作环境下，视野昏暗、粉尘多，强光污染，场景变换等因素都对该目标构成了挑战。同时该检测方法必须具有很高的稳定性，它关系着工作人员的身体安全和心理承受能力。所以即要检测的出来又不能误报。
[0006]基于此，准确并及时检测司机是否闭眼不仅是一个重点，也是一个难点，它是整个系统成功与否的关键点。
技术实现思路
[0007]为解决现有技术中的问题，本专利技术提供一种昏暗环境下闭眼检测方法及系统，尤其适用于矿井等昏暗环境下，能够大大提高检测的准确率。
[0008]本专利技术昏暗环境下闭眼检测方法，其特征在于，包括如下步骤：
[0009]S1：设定下限阈值和上限阈值，其中下限阈值和上限阈值均为正数，且下限阈值小于上限阈值；
[0010]S2：接收视频帧，根据眼睛关键点坐标信息，计算EAR；
[0011]S3：根据双阈值法判断EAR，连续多帧满足设定条件时，则认定为闭眼状态，
[0012]其中，根据双阈值法判定眼睛状态的执行方法包括如下子步骤：
[0013]S31：判断EAR值是否小于下限阈值，
[0014]S32：如果小于下限阈值，则启动计数，且在小于上限阈值的情况下，次数累加；如果不小于上限阈值，则停止并重置计数；
[0015]S33：判断次数是否达到设定的门限次数，如果是，则判定为闭眼状态，如果否，则
判定为睁眼状态。
[0016]本专利技术作进一步改进，在步骤S2执行后，步骤S3执行前，还包括更新上下限阈值步骤，用于根据计算的EAR值动态更新下限阈值和上限阈值。
[0017]本专利技术作进一步改进，所述更新上下限阈值步骤的执行方法包括如下子步骤：
[0018]判断用于存储EAR值的EAR缓存大小；
[0019]如果小于预设值，则将当前视频帧的EAR放入EAR缓存，然后执行步骤S3，
[0020]如果大于预设值，则直接执行步骤S3，
[0021]如果等于预设值，将当前视频帧的EAR放入EAR缓存，根据所述EAR缓存中所有的EAR值计算下限阈值和上限阈值。
[0022]本专利技术作进一步改进，判断用于存储EAR值的EAR缓存大小之前，还包括过滤步骤：当EAR值小于第一设定值时，则直接过滤掉，进行下一EAR值的判断处理，其中，所述第一设定值为正数，且小于下限阈值。
[0023]本专利技术作进一步改进，根据所述EAR缓存中所有的EAR值计算下限阈值和上限阈值的计算方法为：
[0024]计算所有EAR值的平均值mean和标准差delta；
[0025]下限阈值threshold_low的计算公式为：
[0026]threshold_low＝mean/2.0+delta+bias
[0027]上限阈值threshold_high的计算公式为：
[0028]threshold_high＝threshold_low+a
[0029]其中，bias为偏差因子，a为大于0的实数。
[0030]本专利技术作进一步改进，步骤S2执行前，还包括设置步骤：设置帧数初始值为0,并设置帧数门限及EAR缓存；
[0031]步骤S2中，接收视频帧时，对帧数累加计数，当帧数超过帧数门限时，则帧数归零，同时将后续的EAR缓存清空。
[0032]本专利技术作进一步改进，步骤S2中，采用深度学习模型YuNet对视频帧做人脸检测，如果检测到人脸，则截取人脸区域，得到人脸关键点坐标信息，得到人眼关键点坐标信息。
[0033]本专利技术作进一步改进，根据视频采集装置的安装位置，获取靠近视频采集装置侧的人单眼关键点坐标信息，根据该只眼睛的关键点坐标信息计算EAR。
[0034]本专利技术还提供一种系统，用于实现权利要求1
‑
9任一项所述的昏暗环境下闭眼检测方法，其特征在于，包括：
[0035]设定模块：设定下限阈值和上限阈值，其中下限阈值和上限阈值均为正数，且下限阈值小于上限阈值；
[0036]接收模块：用于接收视频帧；
[0037]计算模块：用于根据眼睛关键点坐标信息，计算EAR；
[0038]判定模块：用于根据双阈值法判断EAR，连续多帧满足时，则认定为闭眼，
[0039]其中，所述双阈值法的执行方法包括：
[0040]判断EAR值，
[0041]如果小于下限阈值，则启动计数，每小于下限阈值一次，则次数加1，当次数达到设定门限次数时，则判定为闭眼；
[0042]如果大于上限阈值，则停止并重置计数。
[0043]本专利技术作进一步改进，还包括更新上下限阈值模块：用于根据计算的EAR值动态更新下限阈值和上限阈值。
[0044]与现有技术相比，本专利技术的有益效果是：
[0045]1、本专利技术采用EAR作为判定的基础，不需要大量真实的人脸数据，通用性好，操作更加灵活高效；
[0046]2、本专利技术采用双阈值法进行判定，使得在一定波动范围内可以快速准确的做出判断。通过大量实验，本专利技术在矿井等昏暗环境下，有很好的表现，能够实时、准确的识别人是否为闭眼，尤其是在矿井等昏暗环境下仍能稳定准确检测，从而为疲劳驾驶检测等系统提供支撑；
[0047]3、本专利技术通过动态计算和更新上下限阈值，从而使本专利技术能够适用于不同背景环境下、不同人的实时检测，在不断变换的背景和场景下，检测准确度更高。
附图说明
[0048]图1为本专利技术方法流程图；
[0049]图2为本专利技术一实施例方法流程图；
[0050]图3为人眼关键点坐标信息示意图；
[0051]图4本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种昏暗环境下闭眼检测方法，其特征在于，包括如下步骤：S1：设定下限阈值和上限阈值，其中下限阈值和上限阈值均为正数，且下限阈值小于上限阈值；S2：接收视频帧，根据眼睛关键点坐标信息，计算EAR；S3：根据双阈值法判断EAR，连续多帧满足设定条件时，则认定为闭眼状态，其中，根据双阈值法判定眼睛状态的执行方法包括如下子步骤：S31：判断EAR值是否小于下限阈值，S32：如果小于下限阈值，则启动计数，且在小于上限阈值的情况下，次数累加；如果不小于上限阈值，则停止并重置计数；S33：判断次数是否达到设定的门限次数，如果是，则判定为闭眼状态，如果否，则判定为睁眼状态。2.根据权利要求1所述的昏暗环境下闭眼检测方法，其特征在于：在步骤S2执行后，步骤S3执行前，还包括更新上下限阈值步骤，用于根据计算的EAR值动态更新下限阈值和上限阈值。3.根据权利要求2所述的昏暗环境下闭眼检测方法，其特征在于：所述更新上下限阈值步骤的执行方法包括如下子步骤：判断用于存储EAR值的EAR缓存大小；如果小于预设值，则将当前视频帧的EAR放入EAR缓存，然后执行步骤S3，如果大于预设值，则直接执行步骤S3，如果等于预设值，将当前视频帧的EAR放入EAR缓存，根据所述EAR缓存中所有的EAR值计算下限阈值和上限阈值。4.根据权利要求3所述的昏暗环境下闭眼检测方法，其特征在于：判断用于存储EAR值的EAR缓存大小之前，还包括过滤步骤：当EAR值小于第一设定值时，则直接过滤掉，进行下一EAR值的判断处理，其中，所述第一设定值为正数，且小于下限阈值。5.根据权利要求3所述的昏暗环境下闭眼检测方法，其特征在于：根据所述EAR缓存中所有的EAR值计算下限阈值和上限阈值的计算方法为：计算所有EAR值的平均值mean和标准差delta；下限阈值threshold_low的计算公式为：threshold_low＝...
【专利技术属性】
技术研发人员：文智力，张飞翔，李长海，
申请(专利权)人：深圳市翌日科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。