一种疲劳驾驶检测装置及汽车制造方法及图纸

本发明专利技术公开了一种疲劳驾驶检测装置及汽车，包括图像采集模块、图像处理模块和报警模块，所述图像处理模块接收图像采集模块输出的视频信号，根据预先训练的人脸特征分类器定位人脸区域，根据预先训练的人眼特征分类器定位人眼区域，在人眼区域中获取虹膜图像，基于虹膜图像分析眼睛闭合状态，将眼睛闭合状态和疲劳标准比较，并在判断驾驶员处于疲劳状态时输出报警控制命令给所述报警模块，所述报警模块响应报警控制命令并进行报警。本发明专利技术减少了个体性差异对检测结果的影响，提高了疲劳判断的准确性，具有较好的实用性。同时本实施例采用嵌入式系统，体积小，使用方便。

【技术实现步骤摘要】

本专利技术涉及车辆的主动安全
，尤其涉及疲劳驾驶的检测技术 领域。
技术介绍
疲劳驾驶是当今交通安全的重要隐患之一。驾驶员处于疲劳状态时， 对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度 的下降，容易发生交通事故。因此，研究开发高性能的驾驶员疲劳状态实 时检测及预警技术，能够有效减少疲劳驾驶带来的隐患，从而达到保障驾 驶员人身安全和周边相关人员安全的目的。驾驶员疲劳检测系统是指，通过车内和车外的附加设备对驾驶员生理 信号、驾驶员生理反应特征、驾驶员操作行为或者车辆状态等信息进行采 样，可以单一对一种信息进行评估也可以对多种参数综合评估，最后运用 可靠的疲劳模型来判断驾驶员是否处于疲劳状态。如果驾驶员处于疲劳驾 驶状态，系统发出报警信息提示驾驶员危险状态或者直接通过车载电控接 口对车辆进行控制，从而减少由于疲劳驾驶而产生交通事故发生率。目前，疲劳驾驶检测装置及相关技术主要依据以下三种参数指标1生理指标呼吸脉搏、脑电波、眨眼频率、瞳孔凝视的周期、手 的握力；2形态指标身体姿态、头部位置、嘴巴形状、眼开合状态； 3车辆指标反映驾驶人状态的汽车操作参数。各种系统和方法都是通过能与上述参数指标建立关联的传感器实现 信息采集。所有参数指标中，脑电波对疲劳状态的判断最为稳定、准确。 因为要在头部佩戴采集信号的导线，从能被推广并为大众所接受的角度上 讲，这种方式并不实际。所以，在准确性和稳定性的前提下，"实用性"、"易用性"是考量疲劳驾驶检测装置是否成功的一个关键标准。
技术实现思路
本专利技术要解决的主要技术问题是，提供一种疲劳驾驶检测装置，该装 置可消除个体性差异，提高了疲劳判断的准确性，实用性强，体积小并且4使用方便。根据本专利技术的一方面，提供一种疲劳驾驶检测装置，包括图像采集模 块、图像处理模块和报警模块，所述图像处理模块接收图像采集模块输出 的视频信号，根据预先训练的人脸特征分类器定位人脸区域，根据预先训 练的人眼特征分类器定位人眼区域，在人眼区域中获取虹膜图像，基于虹 膜图像分析眼睛闭合状态，将眼睛闭合状态和疲劳标准比较，判断驾驶员 是否处于疲劳状态，并在判断驾驶员处于疲劳状态时输出报警控制命令给 所述报警模块，所述报警模块响应报警控制命令并进行报警。根据本专利技术的另一方面，提供一种汽车，包括上述疲劳驾驶检测装置。本专利技术通过采用人脸分类器和人眼分类器分别检测人脸和人眼，减少 了个体性差异对检测结果的影响，减少了光照和人脸姿态对检测结果的影 响，提高了驾驶者眼部定位的准确性和眼睛闭合判断的准确性，从而提高 了疲劳判断的准确性，具有较好的实用性。同时本实施例采用嵌入式系统， 体积小，使用方便。附图说明图1为本专利技术一种实施例的结构示意图2为显示的人眼定位效果示意图3为本专利技术另一种实施例的流程图4为本专利技术一种具体实例的结构示意图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。请参考图l，疲劳驾驶检测装置包括图像采集模块10、图像处理模块 20和报警模块30。图像处理模块20接收图像采集模块10输出的视频信号， 根据预先训练的人脸特征分类器定位人脸区域，根据预先训练的人眼特征 分类器定位人眼区域，在人眼区域中获取虹膜图像，基于虹膜图像分析眼 睛闭合状态，将眼睛闭合状态和疲劳标准比较，判断驾驶员是否处于疲劳 状态，并在判断驾驶员处于疲劳状态时输出报警控制命令给所述报警模块 30，所述报警模块30响应报警控制命令并进行报警。其中，图像采集模块10通常包括摄像头，例如CCD红外摄像头或CMOS 摄像头。在本实施例的一个实例中，图像处理模块20包括编解码器21 (例如 音视频编解码芯片)和微处理器23 (例如DSP微处理器)，编解码器21的 输入端与图像采集模块10的输出端连接，编解码器21的输出端与微处理器23连接。微处理器23用于对图像进行处理并判断驾驶员是否处于疲劳 状态，在判断驾驶员处于疲劳状态时输出报警控制命令，报警模块30响应 报警控制命令进行相应的报警。编解码器21接收图像采集模块10输出的模拟视频信号，将信号进行 A/D转换和解码，有些情况下还需要将采集的图像进行输出格式转换，例 如将获取的UYVY格式图像转换成YUV格式，以符合数据库格式的要求。在本实施例的一种实例中，微处理器23接收编解码器21输出的图像 数据，对图像进行灰度化和归一化处理，确定人脸检测感兴趣区域，当采 集的图像为摄像头初始化后的第一帧图像时，在全图像上搜索人脸并定位 人脸区域，当采集的图像为第一帧之后的图像时，提取前一帧图像的人脸 区域并进行设定数值的扩大后作为人脸检测感兴趣区域，并根据预先训练 的人脸特征分类器中记录的人脸特征分析所述人脸检测感兴趣区域的图 像，从而定位人脸区域。在定位人脸时根据预先训练的人脸特征分类器定位人脸区域。为制作 人脸特征分类器，采用AdaBoost算法对大量的人脸样本进行检测， AdaBoost算法使用一种基于Harr-like特征的训练算法训练出人脸特征分 类器文件(haarcascade一faces.xml)，该分类器在大量人脸样本数据基础上 训练出来，具有较强的普适性。在读取每帧视频图像后，根据人脸特征分 类器文件中所记录的人脸Harr特征来分析图像信息，然后再采用AdaBoost 算法及相关人脸特征分类器对图像进行模式识别，对图像中的人脸区域进 行标定。'采用图像灰度化和直方图归一化对图像进行预处理，为人脸检测提供 可靠图像信息。灰度化可以将原图像由YUV的三通道图像转化成为单通 道灰度图像；直方图归一化的目的是增强灰度图像亮度对比，通过直方图 变换可使图像的灰度间距拉开，从而增大反差，使图像细节清晰、特征突 出，同时减少亮度不平均而造成的干扰。在定位人脸区域前先确定人脸检测感兴趣区域，只在较小范围内搜索 人脸，减少图像处理面积，从而减少数据处理量。当采集的图像为摄像头初始化后的第一帧图像时，在全图像上搜索人 脸，并根据人脸特征分类器定位人脸区域，当采集的图像为第一帧之后的 图像时，基于前一帧图像的人脸区域确定人脸检测感兴趣区域，例如将前 一帧图像的人脸区域向外扩展1厘米后作为人脸检测感兴趣区域。在另外的实施例中，微处理器23在定位人脸区域前还将人脸检测感 兴趣区域的图像按照设定比例縮小，进一步减少数据处理量。为提高人眼的检测速度，微处理器还在人脸区域中确定人眼检测感兴 趣区域，然后根据预先训练的人眼特征分类器中记录的人眼特征分析人眼 检测感兴趣区域的图像，从而定位人眼区域。可以采用多种方案来确定人眼检测感兴趣区域。人眼检测的目的是精确定位到人眼区域，尽量去除眉毛和头发的影响。人眼检测采用与人脸检测一样的方法。为制作人眼特征分类器，采用 AdaBoost算法对大量的人眼样本进行检测，使用基于Harr-like特征的训练 算法训练出人眼特征分类器文件，该分类器在大量人眼样本数据基础上训 练出来，具有较强的普适性。微处理器23在获得人眼区域后将人眼区域的图像进行亮度增强，并 采用自适应阈值的二值化处理得到虹膜图像。在本实施例的一种实例中，报警模块30包括灯(例如LED灯)，当微 处理器23判断驾驶员处于疲劳状态时，控制报警模块采用灯光方式进行报 警，此种情况本文档来自技高网...

【技术保护点】
一种疲劳驾驶检测装置，包括图像采集模块、图像处理模块和报警模块，其特征在于，所述图像处理模块接收图像采集模块输出的视频信号，根据预先训练的人脸特征分类器定位人脸区域，根据预先训练的人眼特征分类器定位人眼区域，在人眼区域中获取虹膜图像，基于虹膜图像分析眼睛闭合状态，将眼睛闭合状态和疲劳标准比较，判断驾驶员是否处于疲劳状态，并在判断驾驶员处于疲劳状态时输出报警控制命令给所述报警模块，所述报警模块响应报警控制命令并进行报警。

【技术特征摘要】

【专利技术属性】
技术研发人员：吴泽俊，程如中，赵勇，卿云立，王强，
申请(专利权)人：深圳市汉华安道科技有限责任公司，
类型：发明
国别省市：94[中国|深圳]