[发明专利]基于安卓的多特征疲劳实时检测方法

说明书

本发明公开了基于安卓的多特征疲劳实时检测方法，包括以下步骤：S1、通过摄像头输入包含人脸的实时图像，对每输入的一帧图片进行格式转换和压缩，然后进行灰度化处理；S2、调用opencv安卓版人脸检测函数detectMultiScale对S1得到的图像进行人脸检测；S3、根据S2得到的两个黑眼球的坐标位置扩展出一个包含人眼的矩形区域，然后进行人眼对齐检测；S4、采用基于形状参数回归算法进行人脸对齐检测；S5、根据检测结果判断是否处于疲劳状态，若是则输出警报信息，否则不操作。本发明将汽车安全行驶和计算机视觉、模式识别领域结合起来，采用了基于形状参数回归的对齐算法，计算量小，易于实现，并采用面部表情多特征综合判断的检测方法，减少了误报和漏报。

技术领域

本发明属于汽车安全行驶和计算机视觉、模式识别领域，特别涉及一种基于安卓的多特征疲劳实时检测方法。

背景技术

疲劳驾驶已成为世界上造成交通事故最多的因素，在长途运输行业中的司机更是普遍，每次事故通常带来巨大的生命和财产损失。在可能出现疲劳驾驶的时候，驾驶员常常不会引起重视，因此通过外部设备对驾驶状态进行实时监测并预警具有重大意义。

近年来国内外学者对疲劳检测提出了很多的方法研究，主要可分为三个方面的检测方法：(1)基于车辆行驶状态检测：监控车辆行驶过程中的左右摇摆、速度异常或突然变向等。(2)基于驾驶员生理参数检测：监控驾驶员的心跳变化、脑电图等参数。(3)基于驾驶员身体状态检测：监控驾驶员的行为特征，如频繁点头，打哈欠，闭眼等状态。

以上三种检测方法中，基于车辆行驶状态检测，由于驾驶员驾驶习惯不同或路况的不同，普适性并不高。基于驾驶员生理参数检测，会让驾驶员佩戴精密电子设备，造成驾驶舒适性大大降低，接受度不高。所以基于驾驶员身体状态检测由于是非接触性检测，当前研究最广泛，但可靠性和准确性有待提高。

现有的基于驾驶员身体状态的检测方法通常是通过人脸检测，定位人眼区域，判断人眼的睁闭状态。它的主要问题有：1)程序需要先检测人脸，再检测人眼区域，通过模板匹配判断驾驶员眼睛的睁闭状态，整个流程计算复杂度较高，耗时长，对硬件性能要求较高，在小型移动设备上较难达到实时性；2)判断条件单一，缺少一些辅助信息来排除误报或漏报，准确性难以保证。

如最新的疲劳驾驶的发明专利《一种疲劳驾驶检测方法及系统》，公开日为2015.1.7，公开号为：101835035A。该发明公开了一种疲劳检测检测方法，包括以下步骤：：S1、采集图像和预处理；S2、人脸定位和检测；S3、人脸跟踪；S4、眼睛检测和状态识别；S5、计算疲劳PERCLOS值；S6、将得到的PERCLOS值与预设的阈值进行比较，判定驾驶员是否疲劳驾驶。它的不足在于程序流程计算复杂度太高，一般性能的硬件(如千元内的平板电脑)难以达到实时性，并且紧靠单一的判断条件，容易产生误报和漏报。

发明内容

本发明的目的在于克服现有技术的不足，提供一种将汽车安全行驶和计算机视觉、模式识别领域结合起来，创新性地将人脸对齐应用到疲劳检测当中，采用了基于形状参数回归的对齐算法，计算量小，易于实现，并采用面部表情多特征综合判断的检测方法，能够减少误报和漏报的基于安卓的多特征疲劳实时检测方法。

本发明的目的是通过以下技术方案来实现的：基于安卓的多特征疲劳实时检测方法，包括以下步骤：

S1、输入视频图像并进行预处理：通过摄像头输入包含人脸的实时图像，对输入的每一帧图片进行格式转换和压缩，然后进行灰度化处理；

S2、进行人脸检测：调用opencv安卓版人脸检测函数detectMultiScale对S1得到的图像进行人脸检测，将人脸检测函数返回的人脸矩形框结果转换得到两个黑眼球的坐标位置；若人脸检测函数检测不到人脸，则继续检测下一帧图片；若连续多帧图片均检测不到人脸，则输出警报信息，提醒驾驶员正视前方；