[发明专利]一种用于疲劳驾驶检测的打哈欠动作检测方法

权利要求书

1.一种用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，通过在计算机设备中预设的面部匹配模板，对计算机设备获取到的视频图像逐帧地进行打哈欠动作识别处理，实现对打哈欠动作的实时性检测；所述面部匹配模板中描绘有人脸整体区域、左眉部、右眉部、右眼部、左眼部、鼻部和嘴部这7个面部特征区域各自所对应的特征区域轮廓，且各个面部特征区域对应的特征区域轮廓的初始轮廓形状及其相互之间的初始相对位置已根据先验知识得以确定；该方法包括如下步骤：

1）初始化打哈欠状态累加器n的值为0，预设定嘴部轮廓高宽比阈值ε和打哈欠状态累加阈值N的值；

2）读取一帧视频图像；

3）采用级联分类器对当前帧视频图像进行人脸检测，判定当前帧视频图像中是否检测到人脸图像区域；如果是，则继续执行步骤4；否则，跳转执行步骤8；

4）调用预设的面部匹配模板，采用主动形状模型匹配算法将面部匹配模板中的各个特征区域轮廓与当前帧视频图像中人脸图像区域的各个面部特征区域进行对应的匹配定位，确定面部匹配模板在当前帧视频图像的人脸图像区域中各个面部特征区域对应的特征区域轮廓的实际形状；

5）从匹配定位得到的面部匹配模板中提取出当前帧视频图像的人脸图像区域中的嘴部特征区域轮廓，根据嘴部特征区域轮廓的实际形状计算其覆盖的像素高度值H和像素宽度值W，并计算当前帧视频图像中的嘴部轮廓高宽比θ=H/W；

6）判断当前帧视频图像中的嘴部轮廓高宽比θ是否大于预设定的嘴部轮廓高宽比阈值ε；若θ>ε，则执行步骤7；若θ≤ε，执行步骤8；

7）令打哈欠状态累加器n的值累加1，然后判断当前打哈欠状态累加器n的值是否已等于打哈欠状态累加阈值N；若n<N，则跳转执行步骤10；若n=N，则跳转执行步骤9；

8）令打哈欠状态累加器n的值重置为0，然后跳转执行步骤10；

9）判定视频图像中人脸图像处于打哈欠动作状态，输出打哈欠动作指示信息；然后跳转执行步骤8；

10）读取下一帧视频图像，返回执行步骤3。

2.根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述面部匹配模板采用主动形状模板匹配算法数据库中的“my68-1d.amf”人脸模板，其中通过68个特征点来描绘出人脸的7个面部特征区域所对应的特征区域轮廓，分别为：

人脸整体区域对应的特征区域轮廓具有15个特征点，特征点编号依次为0~14；左眉部对应的特征区域轮廓具有6个特征点，特征点编号依次为15~20；右眉部对应的特征区域轮廓具有6个特征点，特征点编号依次为21~26；右眼部对应的特征区域轮廓具有5个特征点，特征点编号依次为27~31；左眼部对应的特征区域轮廓具有5个特征点，特征点编号依次为32~36；鼻部对应的特征区域轮廓具有12个特征点，特征点编号依次为37~47以及67；嘴部对应的特征区域轮廓具有19个特征点，特征点编号依次为48~66；

面部匹配模板“my68-1d.amf”中每个面部特征区域对应的特征区域轮廓中各个特征点的位置以及各个特征区域轮廓相互之间的初始相对位置已根据先验知识得以确定。

3.根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述步骤3中“采用级联分类器对当前帧视频图像进行人脸检测”的具体方式为：调用计算机视觉类库OpenCV中CvHaarClassifierCascade级联分类器的cvHaarDetectObjects( )函数对当前帧视频图像进行人脸检测。

4.根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述步骤4中“采用主动形状模型算法将面部匹配模板中的各个特征区域轮廓与当前帧视频图像中人脸图像区域的各个面部特征区域进行对应的匹配定位”的具体方式为：首先调用主动形状模型匹配算法数据库中的InitShapeFromDetBox( )函数对面部匹配模板进行初始化，等待匹配定位；然后调用主动形状模型匹配算法数据库中的ASMSeqSearch( )函数在当前帧视频图像的人脸图像区域中分别搜索面部匹配模板中的每个特征区域轮廓的最佳匹配位置，进行匹配定位处理，确定面部匹配模板在当前帧视频图像的人脸图像区域中各个面部特征区域对应的特征区域轮廓的实际形状。