[发明专利]一种汽车多元驾驶安全防护方法

权利要求书

1.一种汽车多元驾驶安全防护方法，其特征是，主要通过如下步骤实现：

步骤(1)：分别通过双CMOS摄像头和腕带式无线脉搏传感器采集驾驶员的面部信息和脉搏信息，并分别进行滤波操作以消除噪声的干扰；

步骤(2)：在面部信息和脉搏信息中，通过基于信息熵的经验模态分解算法，分别提取能反映人体愤怒情绪、疲劳状态和身份信息的特征参数；

步骤(3)：通过Fisher线性分类等算法，对步骤(2)中所提取的各种状态所对应的特征参数进行融合处理，并实现同时对驾驶员的愤怒情绪、疲劳状态和身份信息的识别；

步骤(4)：根据步骤(3)状态识别的结果，采取报警提示或者后台记录的方式对驾驶员进行响应。

2.根据权利要求1所述的汽车多元驾驶安全防护方法，其特征是，所述步骤(1)中，通过双CMOS摄像头采集驾驶员的面部信息，其中安装在A柱位置的摄像头负责对驾驶员的头部位置定位，安装在前挡玻璃上缘的摄像头负责采集驾驶员面部图像，该摄像头的位置和拍摄角度能够微调；通过腕带式脉搏传感器采集驾驶员的脉搏信息，采集到的脉搏信息以蓝牙无线方式向外传输。

3.根据权利要求1所述的汽车多元驾驶安全防护方法，其特征是，所述步骤(2)中，分别从面部图像信息和脉搏信息中提取愤怒情绪特征参数、疲劳状态特征参数和身份特征参数中的一种或几种，具体为：

1)愤怒情绪特征参数，

对于面部信息，首先通过混合积分投影法确定人眼的位置，混合积分投影公式为：

Hv(x)=12σv2(x)+12Mv(x),Hh(y)=12σh2(y)+12Mh(y)]]>

式中H_v(x)和H_h(y)分别表示图像在垂直和水平方向上的混合投影，M_v(x)和M_h(y)表示在垂直和水平方向上的平均积分投影，σ_v(x)和σ_h(y)表示在垂直和水平方向上的方差积分投影；根据人眼位置与面部轮廓之间的统计规律关系和图像本身的特征确定精确的人脸区域，进而对人脸图像运用主成分分析算法(PCA)提取主成分向量，主成分Z_i的计算公式为：

Z_i＝(X₁,X₂,X₃,…,X_p)*(L₁,L₂,L₃,…,L_p)^T

式中X_i(i＝1,2,…,p)表示图像矩阵X的各列向量，L_i(i＝1,2,…,p)表示主成分载荷矩阵L的各列向量，以Z_i为特征量进行愤怒情绪识别；

对于脉搏信息，当获得一段连续的脉搏信号时，运用特征点法确定主波位置，进而得到脉率和脉率均值，脉率的计算公式为

h=60▿t]]>

式中▽t表示相邻两个主波的时间差，对h进行差分运算即可得心率变异性HRV；运用FFT将脉搏信号转换至频率域，并计算脉搏功率谱能量比r，公式为

r=Σk=k1k2|X(k)|2Σk=k3k4|X(k)|2]]>

式中X(k)表示脉搏信号频率为k时的观测值，k1、k2、k3、k4表示特定的频率值；最后，对脉搏信息进行模态能量分解，计算脉搏模态能量熵，公式为：

T(i-j)/(h-k)=Σx=ijT(x)Σx=hkT(x)]]>

式中T(x)为脉搏信号第k个固有模态分量归一化后的模态能量，i、j、k、h表示固有模态分量的序号；

2)疲劳状态特征参数，

对于面部信息，当获得第一幅图像时，通过混合积分投影法确定人眼的位置，运用mean-shift算法分割瞳孔部分，mean-shift的计算公式为：

Mh(x)≡Σi=1nG(xi-xh)w(xi)(xi-x)Σi=1nG(xi-xh)w(xi)]]>

式中M_h(x)表示样本的mean-shift值，x_i为样本点，x为中心点，G(y)表示核函数，h表示核函数的窗口大小，w(x_i)为样本点x_i的权重；继续运用mean-shift算法在接下来的图像中追踪瞳孔位置，从而获得一段时间内若干幅连续瞳孔图像信息，进而可以计算出PERCLOS、眨眼频率和平均瞳孔大小三个参数，用以进行疲劳状态识别；其中PERCLOS是指在一定时间内眼睛闭合所占的比例，计算公式为：

f=t3-t2t4-t1×100%]]>

式中t₁、t₂、t₃、t₄分别表示在一个眼动周期内，眼睛开度为80％、20％、20％和80％的时间点；眨眼频率s是指在单位时间内眨眼的次数，公式为

s=nΔt]]>

式中n为眼睛开度小于10％的图像数目，Δt为时间间隔；平均瞳孔大小q的计算公式为：

q=1nΣli]]>

式中l_i表示瞳孔上下边缘的间距，n为这段时间内的瞳孔图像数目；对于脉搏信息，首先以脉率近似代替心率，进而确定心率变异性参数，并结合脉搏谱能比和模态能量熵进行疲劳状态识别；

3)身份信息特征参数，对于面部信息，首先通过混合积分投影法确定人眼的位置，根据人眼位置和面部的统计规律和图像特征确定精确的人脸区域，进而对人脸图像运用PCA算法分类主成分向量，用以进行身份信息识别。