[发明专利]一种驾驶员疲劳驾驶检测方法及系统

权利要求书

1.一种驾驶员疲劳驾驶检测方法，其特征在于，包括：

步骤1采集驾驶员行驶过程中的头部图像；

步骤2从所述头部图像中定位驾驶员的眼睛区域，判断驾驶员是否佩戴墨镜，并获得粗定位眼睛图像，其中，判断驾驶员是否佩戴墨镜的方法为先假定驾驶员未佩戴墨镜并得到眼睛区域的图像，将所述图像转化到HSV空间，选取V通道，并使用OTSU算法进行二值化，统计二值化后图像中黑色像素点的比例，如果超出设定阈值，则认为驾驶员佩戴墨镜；

步骤3根据不同光线情况和驾驶员是否佩戴墨镜对所述粗定位眼睛图像进行处理得到眼睛轮廓的图像，其中，使用Mask匀光算法、金字塔的均值漂移分割算法中的至少一个算法对所述粗定位眼睛图像进行处理得到眼睛轮廓的图像；

步骤4根据所述眼睛轮廓的图像，通过重心位置的x坐标将眼睛目标分为左右两个部分，分别计算左右两个部分的重心，计算其连线与水平线的夹角，按照所述夹角旋转图像，将眼睛旋转至水平，再计算所述眼睛轮廓的上下边界得到眼高，根据所述眼高计算得到驾驶员行驶过程中眼睛的开合度；

步骤5判断所述眼睛的开合度是否小于设定的阈值，是则执行步骤6，否则执行步骤1；

步骤6判定驾驶员处于疲劳状态，发出警报提醒驾驶员。

2.如权利要求1所述方法，其特征在于，所述步骤1中，在光线较弱或驾驶员佩戴墨镜的情况下自动开启红外照明装置对驾驶员脸部进行补光以便于采集所述头部图像。

3.如权利要求1所述的方法，其特征在于，所述步骤2中，定位驾驶员的眼睛区域的方法为使用AdaBoost算法结合Haar特征的方法检测到人脸区域，并根据检测到的所述人脸区域进行驾驶员眼睛区域的粗定位。

4.如权利要求1-3中任一项所述的方法，其特征在于，所述步骤3中，若为白天情况则执行子步骤(3-1)，若为夜晚情况则执行子步骤(3-2)，若为驾驶员戴墨镜情况则执行子步骤(3-3)，其中：

所述子步骤(3-1)包括以下子步骤：

(3-1-1)将所述步骤2得到的粗定位眼睛图像转化为灰度图像，并二值化；

(3-1-2)依次将所述步骤(3-1-1)得到的二值图像第一行的各点作为种子点使用漫水填充算法，将黑色像素的点设置成白色；

(3-1-3)将黑色像素点的个数往水平方向投影，并判断波峰的个数，波峰的判定阈值如下：

T_peak＝avg+(m-avg)/3

其中，avg表示有效行的均值；m表示各行值的最大值；

(3-1-4)如果所述步骤(3-1-3)处理的结果只有一个波峰，则将该波峰区域保留下来；如果有两个波峰，则将第二个波峰区域保留下来；如果有三个波峰，则将第三个波峰区域保留下来；如果有四个波峰，则将第三个波峰区域保留下来；如果波峰数量大于四，则说明图像中存在大量噪点，该帧丢弃，保留下来的波峰区域内的像素即为眼睛目标，从而得到眼睛轮廓的图像；

所述子步骤(3-2)包括以下子步骤：

(3-2-1)灰度化所述步骤2得到的粗定位眼睛图像，并使用Mask匀光算法进行处理；

(3-2-2)使用OTSU算法对经所述步骤(3-2-1)处理的图像进行二值分割，并对分割的结果进行形态学闭运算处理；

(3-2-3)对所述步骤(3-2-2)处理的结果进行连通区域的分析，选取不触及图像边缘的面积最大的连通区域，即为眼睛轮廓的图像；

所述子步骤(3-3)包括以下子步骤：

(3-3-1)灰度化所述步骤2得到的粗定位眼睛图像，并使用基于金字塔的均值漂移分割算法进行去噪处理；

(3-3-2)使用Wallis滤波器拉大经所述步骤(3-3-1)去噪的图像的对比度；

(3-3-3)使用自适应阈值分割对所述步骤(3-3-2)得到的图像进行二值分割；

(3-3-4)对所述步骤(3-3-3)处理的结果进行连通区域的分析，选取不触及图像边缘的面积最大的连通区域，即为眼睛轮廓的图像。