[发明专利]面向实车工况的驾驶人视频图像疲劳检测方法

说明书

技术领域

本发明涉及到人机环境工程学技术领域，具体地说，是一种面向实车工况的驾驶人视频图像疲劳检测方法。

背景技术

基于驾驶人眼部视频特征的疲劳状态检测是汽车主动安全领域的重要技术之一。当驾驶人处于驾驶疲劳状态时，其眼睛会出现频繁的闭眼行为。现有的检测方法主要依据眼睛的上下边界间的距离变化来判定驾驶人的疲劳状态。该方法将视频图像进行灰度转化，通过视频图像的二值化处理后进行眼睛区域搜索与定位，最后利用眼睛部位的上下边界之间的距离变化程度来检测驾驶人的疲劳状态。

然而，在实车工况下，由于光照变化的频繁，面部视频图像变得异常复杂，其面部视频图像二值化的结果往往会出现大量噪点，从而导致对眼睛区域定位不准确，以及眼睛上下边界检测不准确的问题，这势必会影响疲劳检测方法的准确率以及工程应用的泛化能力。

发明内容

针对现有技术的不足，在重庆市科委基础与前沿计划项目《基于时空特征的驾驶人疲劳状态检测技术研究》(项目编号：cstc2014jcyjA40006)的资助下，本发明提出了一种面向实车工况的驾驶人视频图像疲劳检测方法，该方法能够克服在实车工况下面部视频特征由于光照的变化，造成的疲劳检测正确率不高的技术问题，同时不受个体眼睛形状的影响，对不同驾驶者具有较高的工程泛化能力。

具体表述为，一种面向实车工况的驾驶人视频图像疲劳检测方法，其关键在于按照以下步骤进行：

步骤1：按照k帧/秒的采样率对驾驶员的监控视频进行采样；

步骤2：按照R=R×sum(G)sum(R),G=G×sum(G)sum(G),B=B×sum(G)sum(B)]]>分别更新每帧视频图像的R、G、B分量；

其中，sum(R)表示当前图像帧中R分量的和，sum(G)表示当前图像帧中G分量的和，sum(B)表示当前图像帧中B分量的和；

步骤3：将更新后的R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理；

步骤4：将步骤3处理后的图像帧进行连通域统计，判定最大连通区域的面积是否大于第一预设阈值，如果是，则截取人脸有效眼部区域；否则，放弃当前图像帧，重新对下一帧视频图像进行处理；

步骤5：将步骤4获得的人脸有效眼部区域图像进行SURF不变性特征提取，获得SURF特征点；

步骤6：利用聚类算法对步骤5所得的特征点进行聚合；

步骤7：计算最大聚类集合与次大聚类集合的中心位置C(x,y)，然后以中心位置C(x,y)为中心，截取驾驶员眼睛区域图像；

步骤8：对驾驶员眼睛区域图像进行圆形特征检测；

步骤9：每间隔时间T按照进行疲劳特征提取，当P≤P₀时则判定为驾驶员处于疲劳驾驶状态；

其中m为当前时刻前t秒内截取驾驶员眼睛区域图像的总次数，n为当前时刻前t秒内截取驾驶员眼睛区域图像中满足圆形特征检测的次数，P₀为疲劳特征判定阈值。

进一步的，优选所述k的取值为10。