[发明专利]用于疲劳检测的嘴唇图像分割方法及系统

说明书

技术领域

本发明涉及图像处理，特别是涉及一种用于疲劳检测的嘴唇图像分割方法及系统。

背景技术

随着社会经济的发展，疲劳驾驶已成为引发交通事故的主要因素之一。因此，如何有效的检测和防止疲劳驾驶，对于降低交通事故发生率及人员死亡率有着十分重要的意义。

因此，实时获取并监视驾驶行为信息与(或)驾驶员生理信息，利用这些信息判断车辆行驶的安全性，并采用相应报警和防护措施，以减少由于疲劳驾驶而导致的道路交通事故已成为目前国内外专家和学者研究的热点。从国内外研究现状可以将驾驶员疲劳检测技术归纳为三种：1.监测驾驶员的生理信号，包括心电图、脑电、唾液成分等，这类方法能够较精确的检测出驾驶员的疲劳状态，但是驾驶员需要配戴一些带电极的器械，这种接触式的方法不仅妨碍驾驶，而且成本高，实用性较差；2.监测车辆的相关参数，包括速度、车辆行驶轨迹是否偏离车道、方向盘等。这类方法的优点在于非接触式，但其缺点在于此类方法与疲劳相关性较差，不能很好地反映驾驶员的疲劳状态；3.监测驾驶员的个体特征，采取基于视觉的检测方法，主要检测眼皮的开闭运动，嘴部打哈欠运动等。该类方法不仅有非接触性的优点，且与疲劳相关性较强，能够准确检测出驾驶员的疲劳状态。

因此，基于视觉的驾驶员面部动作检测成为驾驶员疲劳状态监测的主要途径。而由于眼睛开闭运动监测经常会受驾驶员配戴眼睛反光、配戴墨镜、头发遮挡、衣帽遮挡等影响，因此嘴部运动检测及分析用以判断驾驶员是否处于疲劳状态成为驾驶员疲劳检测的主要发展方向和趋势。

目前，大多数嘴唇分割技术通常是利用嘴唇与面部的颜色差异，即唇色比肤色更红这一颜色特征，并将其转换到其他色彩空间以增强该差异，然后设定阈值来检测并分割嘴唇。该类技术受光照及个体肤色唇色差异影响很大，仅适用于光线条件较好并且唇色肤色差异明显的情况，实用性差。主动轮廓线模型(蛇模型)也经常被用于嘴唇分割，但是该模型经常会得到错误的收敛解当嘴唇边缘并不是很明显或者当嘴唇颜色和脸部肤色很接近时。模糊聚类是另一种常用的图像分割技术，该方法虽然能得到比较精确的分割结果，但计算量较大，计算速度较慢，不适用于驾驶员疲劳检测等实时处理。

鉴于以上现有技术存在的缺点，使得驾驶员疲劳检测技术实用性较差，因此未能得以广泛应用。

发明内容

本发明的主要目的就是针对现有技术的不足，提供一种用于疲劳检测的嘴唇自动分割方法和系统，能够克服不同光照条件(包括夜间行驶)以及个体差异的影响而得到精确的嘴唇轮廓，且实时检测效率高，从而提高检测的准确率和实用性，并大大降低检测成本。

为实现上述目的，本发明采用以下技术方案：

一种用于疲劳检测的嘴唇图像分割方法，其特征在于，包括以下步骤：

A1、利用图像的颜色信息建立脸部和嘴唇的高斯模型；

B1、对嘴唇进行粗定位，确定嘴唇分割的种子区域；及

C1、使用所述种子区域初始化水平集函数，并对水平集函数进行演化而获取嘴唇的边界。

优选地，所述步骤C1包括进行图像增强处理以增大嘴唇与周围区域之间的对比度。

优选地，所述步骤C1中所述对水平集函数进行演化为求其收敛解，并将所获得的零水平集曲线作为嘴唇的边界。

优选地，每对所述水平集函数进行一次演化后，在当前分割区域的基础上对图像进行一次分段线性对比度增强处理，二者交替迭代进行，直到得到所述收敛解。

优选地，所述步骤C1包括以下子步骤：

C11、将彩色图像转化为灰度图像，灰阶为0～255；

C12、构造自适应对比度图像能量函数，得到自适应对比度水平集函数；及

C13、使用梯度下降法求解函数极值。

优选地，所述步骤A1中，使用归一化的颜色空间，对脸部和嘴唇的rgb空间中的r和g分量进行建模，所述归一化的过程如下：

r=RR+G+B]]>