[发明专利]一种基于面部运动单元识别的驾驶员疲劳检测方法

权利要求书

1.一种基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于包括有如下步骤：

1）从视频序列中定位出人脸区域；

2）对人脸关键特征点进行定位及区域划分；

3）对多帧图像中的脸部对应区域进行运动特征提取；

4）对提取的运动特征进行分类识别，并用运动单元AU标记；

5）通过脸部运动单元检测是否疲劳。

2.根据权利要求1所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于上述步骤2）对人脸关键特征点进行定位及区域划分的过程是：首先依据人脸结构特征建立一个人脸区域划分的模板，然后利用自适应增强学习分类 (Adboost)方法检测出眼部和嘴部区域，对于眼睛和嘴部子区域采用哈里斯 (Harris)角点检测算法定位眼睛的内外侧角点及两嘴角角点，并以此六个点作为基准调节初始模板最终实现区域的划分。

3.根据权利要求1所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于上述步骤3）对多帧图像中的脸部对应区域进行运动特征提取的方法是：将每一个运动单元AU动作分解为“起始-----伸展-----高潮”三个阶段，则采用运动平滑约束 (Horn-Schunck)光流法计算三个过程的图像相对基准图像的光流场，为降低数据维度，对脸部子区域进行连续的3*3的相邻小区域进行划分，且区域不出现重叠，并进行数据归并：                                                

u,v为光流水平和垂直方向的分量，将各区域归并后的分量按行转换成向量形式，将样本空间均进行上述处理后利用主成分分析（PCA）算法对其采取降维处理，各提取样本u，v的主成分分析（PCA）的前n个系数，组成2n维特征向量。

4.根据权利要求1所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于上述步骤4）对提取的运动特征进行分类识别，并用运动单元AU标记的方法是：首先建立目标运动单元AU的隐马尔科夫（HMM）模型，然后对检测到的未知运动单元AU的特征作为模型输入，判别为何种运动单元AU；具体步骤为：

4.1、建立目标运动单元AU的隐马尔科夫（HMM）模型；

4.2、输入提取检测图像对应区域的特征向量；

4.3、取模型输出中概率最大的系数，并以该模型的运动单元AU的类别标记该区域。

5.根据权利要求1所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于上述步骤5）通过脸部运动单元检测是否疲劳的方法是：将已经标记运动单元AU的人脸与疲劳运动单元AU进行比对，判断是否疲劳。

6.根据权利要求5所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于上述通过脸部运动单元检测是否疲劳的方法是：对面部各区域进行搜索，并用疲劳判别公式;进行计算，得出疲劳判别值δ，其中为不同脸部子区域与疲劳的相关度权重，其比例分配为：眉毛区域0.1，眼部区域0.5，嘴部区域0.4，)为判别函数，t为运动单元AU的标记数，,为能表征疲劳的运动单元AU的集合：AU1，AU4，AU7，AU15，AU26，AU27，AU43，最终将δ与阈值标比较得出疲劳结果。

7.根据权利要求5所述的基于面部运动单元识别的驾驶员疲劳检测方法，其特征在于选择疲劳判定阈值时，由于眼部区域与嘴部区域更能表征疲劳状态，因而主要依据眼部和嘴部状态来设定阈值；当眼部与嘴部均发生疲劳运动单元中的动作时，即可判定为疲劳，则由判决公式可得阈值为：=0.4*1+0.5*1=0.9。