[发明专利]一种驾驶员疲劳驾驶检测方法

说明书

技术领域

本发明具体涉及一种驾驶员疲劳驾驶检测方法。

背景技术

随着中国交通运输业的逐渐发展，交通事故的发生越来越频繁，而驾驶员疲劳驾驶已经变成了导致交通事故的主要原因之一，能够和酒后驾驶相提并论。因此，开发一个有用的驾驶员劳累驾驶监测方法对保证人们出行的安全具备关键意义，变成了有关学者探讨的关键课题，得到越来越广泛的注意。

在对驾驶员驾驶图像进行采集的过程中，容易出现具有一定倾斜度的驾驶图像，导致传统的基于脑电图识别结合操纵特征的驾驶员疲劳驾驶检测方法，由于需对角度标准差与零速百分比进行准确测量，造成无法有效实现对驾驶员疲劳检测的问题。

发明内容

本发明要解决的技术问题是提供一种驾驶员疲劳驾驶检测方法。

一种驾驶员疲劳驾驶检测方法，其特征在于，包括以下步骤：

S1：采用摄像头对驾驶图像进行采集；

S2：采用AdaBoost算法对驾驶员脸部进行检测；

S3：对驾驶员眼睛的定位和特征提取；

S4：驾驶员眼睛状态的计算；

S5：驾驶员疲劳驾驶的判定。

进一步的，AdaBoost算法步骤如下：

1）假设训练样本为，其中，用于描述待训练样本，用于描述待训练样本集；用于描述所属类别，，如果，则为负样本，即其不是驾驶员脸部；如果，则为正样本，即其为驾驶员脸部，n用于描述所需训练的样本总量；

2）权值向量的初始化：，其中，，用于描述所训练样本的概率分布状况；

3）迭代循环：通过下式对权值进行归一化处理：

；

通过弱学习算法，按照顺序对权值归一化后的训练样本进行训练，获取弱分类器：；

在上述权值中，按照顺序对弱分类器的错误率进行计算：

；

选择错误率最小的弱分类器，将其添加至强分类器中；

通过最优分类器按照顺序对各样本的权值进行更新：

；

在上式中，若第i个样本能够被准确分类，则；若第i个样本为被准确分类，则，同时；

4）假设整个过程循环的次数为T，则最终获取的强分类器可描述如下：

；

式中，。

进一步的，驾驶员眼睛的定位方法如下：

1）求出驾驶员脸部区域图垂直方向的梯度矩阵：

；

2）对梯度矩阵进行水平投影：

。

进一步的，驾驶员眼睛状态的计算方法如下：

1）眨眼持续时间即一次眨眼过程中，眼睛从开到闭再到开的过程所需的时间，其值可通过下式求出：

；

2）PERCLOS即单位时间内眼睛的闭合时间所占的百分率，单位时间取6s，则有：

；

式中，N用于描述6s内所收集图像的有用帧数；p(t)用来表示睁眼水平随时间改变的函数，则一次眨眼的闭合时间比率为：

。

进一步的，驾驶员疲劳驾驶的判定方法如下：

1）闭眼状况的持续时间D(t)若高于门限Th1，Th1=2.5，则认为驾驶员疲劳；

2）眨眼频率高于门限Th2，Th2=0.6，则认为驾驶员疲劳；

3）PERCLOS的值F若高于门限Th3，Th3=4.5，则认为驾驶员疲劳。

本发明的有益效果是：

本发明采用AdaBoost算法对驾驶员脸部进行检测，求出驾驶员脸部区域图垂直方向的梯度矩阵，并对梯度矩阵进行水平投影，通过驾驶员脸部的结构特征获取眼睛在图像中的相对位置，依据距离对眼睛开闭进行确定。然后根据PERCLOS测量原理求出驾驶员眼睛各个状态的参数，最后通过各指标和既定阈值的关系来判断驾驶员是否处于疲劳驾驶状态。该方法具有较高的检测精度。

具体实施方式

以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。

一种驾驶员疲劳驾驶检测方法，包括以下步骤：

S1：采用摄像头对驾驶图像进行采集；

S2：采用AdaBoost算法对驾驶员脸部进行检测；

S3：对驾驶员眼睛的定位和特征提取；

S4：驾驶员眼睛状态的计算；

S5：驾驶员疲劳驾驶的判定。

AdaBoost算法步骤如下：