[发明专利]基于面部特征的驾驶人注意力状态检测方法

说明书

技术领域

本发明涉及一种驾驶人注意力状态检测方法，特别是涉及一种基于面部特征的驾 驶人注意力状态检测方法，属于智能车辆安全辅助驾驶领域。

背景技术

驾驶人疲劳和注意力分散是引起道路交通事故的重要因素，研究表明，超过23%的 碰撞事故和几乎碰撞事故与驾驶人注意力状态有关。然而，随着车载信息系统的不断增加， 这一现象日趋严重。

实时有效的检测驾驶人的疲劳与注意力分散状态是提高行车安全性和改善道路 交通环境的一项重要措施。

目前，进行驾驶人注意力状态检测的方法可大致分为五种：

1）基于驾驶人生理信号的检测方法，如EEG、ECG、EOG等；

2）基于驾驶人生理反应特征的检测方法，如眨眼频率、视线方向、面部朝向等；

3）基于驾驶人操作行为的检测方法，如方向盘转角、方向盘转角速度、油门开度等；

4）基于车辆状态信息的检测方法，如车速、车道偏移量等；

5）基于信息融合技术的检测方法，融合以上两种或多种检测方法。

其中，基于驾驶人生理反应特征的检测方法是指利用驾驶人的眨眼信息、眼球的 运动和头部运动特性等推断驾驶人的注意力状态，检测准确率较高，已成为现阶段驾驶人 疲劳与注意力分散状态检测的主要研究方向。

专利201110162468.7（一种基于面部视频分析的驾驶人疲劳检测方法）提出一种 基于面部视频分析的驾驶人疲劳检测方法，该方法首先对人脸图像进行检测，得到眼睛、鼻 子、嘴巴局部器官的初步定位;然后进一步得到精确定位的人脸特征点;最终以多帧待测人 脸特征点的精确定位结果为基础，对面部运动特征进行量化描述，根据面部运动统计指标 得到待测人疲劳检测结果。

专利号201010275567.1（基于数字视频的驾驶人疲劳状态检测方法）提出了一种 基于数字视频的驾驶人疲劳状态检测方法。该方法在摄像头采集到图像的基础上，首先进 行人脸的检测与定位;然后查找人眼区域和嘴巴区域，对人眼状态及嘴巴状态进行判断；最 后，采用空-频域特征融合与SVM分类的方法判断驾驶人是否处于疲劳驾驶状态。

目前，基于驾驶人生理反应特征的检测方法的研究主要集中在驾驶人面部特征的 提取方面。然而在成功提取驾驶人生理反应特征（眼睑尺寸、眨眼次数、视线方向等）后，由 驾驶人的生理反应特征到驾驶人注意力状态的判断方面存在一定的问题，急需完善。同时， 由于驾驶人不同个体之间存在一定差异性，又进一步降低了现有的驾驶人疲劳和注意力分 散状态检测系统的准确率。

发明内容

本发明的目的在于提供一种基于面部特征的驾驶人注意力状态检测方法，其通过驾驶人生理反应特征（眼睑尺寸、眨眼次数、视线方向等）准确检测驾驶人的注意力状态并对驾驶人疲劳与注意力分散状态进行预警。确定了具体参数值及明确了检测步骤。不包括驾驶人面部特征的采集和提取，所采用的驾驶人面部特征采集提取系统的采样频率为，本发明读取驾驶人面部特征的频率为。

为解决上述技术问题，本发明的技术方案是这样实现的：基于面部特征的驾驶人 注意力状态检测方法，其特征在于检测步骤如下：

1.基于PERCLOS的驾驶人疲劳状态检测；

2.基于眨眼频率的驾驶人疲劳状态检测；

3.基于视线分布的驾驶人注意力分散状态检测；

4.驾驶人疲劳与注意力分散状态的预警；

疲劳或注意力分散状态应该预警持续时间，避免不同状态频繁切换。预警优先级：疲劳 驾驶>注意力分散>正常驾驶;

其中所述的基于PERCLOS的驾驶人疲劳状态检测包括如下步骤：

1.针对不同驾驶人的差异，驾驶人眼睑尺寸阈值的初始化步骤如下

a.读取并保存前n组驾驶人眼睑尺寸：左眼睑，右眼睑；眼睑俗称眼皮，长在眼球前面的软组织，对眼球起保护作用。眼睑尺寸是眼睛睁开时的尺寸;

b.计算驾驶人眼睑尺寸阈值（左眼睑、右眼睑）作为PERCLOS的计算基准，驾驶人眼睑尺寸阈值计算公式如下：

2.基于的判断准则（即：单位时间内眼睛闭合超过80%所占的比例大于0.4）检测驾驶人疲劳状态步骤如下：

a.读取当前帧的眼睑尺寸：左眼睑、右眼睑；

b.眼睑闭合程度的计算公式如下：

其中：为左眼闭合程度，为右眼闭合程度；