[发明专利]一种基于快速特征点定位的全天候哈欠检测方法及系统

权利要求书

1.一种基于快速特征点定位的全天候哈欠检测方法，其特征在于，包括步骤：

S1、利用具有红外补光功能的图像采集装置采集驾驶员头部图像，利用Adaboost算法训练出识别脸部区域的分类器，利用训练出的所述分类器对驾驶员头部图像进行识别从而识别出驾驶员脸部区域；

S2、利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型，利用训练出的所述模型定位驾驶员脸部区域的特征点，并根据驾驶员脸部区域的特征点获取驾驶员嘴部区域位置和图像；

S3、对驾驶员嘴部区域图像进行预处理操作之后进行轮廓检测，筛选出嘴部轮廓，由所述嘴部轮廓计算嘴部的张开度和持续张开时长，根据所述嘴部的张开度和所述持续张开时长判断驾驶员是否打哈欠以及统计打哈欠的次数。

2.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法，其特征在于，步骤S1中利用Adaboost算法训练出识别脸部区域的分类器的步骤包括：

S11、准备训练样本；

S12、初始化样本权重；

S13、归一化样本权重系数，计算每个样本特征点分类误差，选取分类误差最小的弱分类器，然后重新计算并分配训练样本的权值；

S14、判断训练迭代总次数是否达到预设次数，如果没有达到预设次数，则循环执行步骤S13，如果达到预设次数，则进行步骤S15；

S15、获取强分类器。

3.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法，其特征在于，步骤S2中利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型的步骤包括：

S21、准备训练样本；

S22、预处理训练样本；

S23、对样本进行坐标变换，构建平均形状模型；

S24、设置训练模型参数；

S25、训练随机森林，获得特征映射函数，提取局部二值特征，对形状进行全局线性回归，并对形状进行更新；

S26、判断回归次数是否达到预设次数，如果没有达到预设次数，则循环执行步骤S25，如果达到预设次数，则保存模型。

4.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法，其特征在于，步骤S3中对驾驶员嘴部区域图像进行预处理的步骤为：

根据S1中采集驾驶员头部图像时环境的光照强度选择基于最大阈值分割法计算二值化阈值从而获取所述驾驶员嘴部区域图像的二值化图像或者基于YIQ表色系统进行唇色阈值分割从而获取所述驾驶员嘴部区域图像的二值化图像。

5.如权利要求1所述的基于快速特征点定位的全天候哈欠检测方法，其特征在于，步骤S3中：

用椭圆对所述嘴部轮廓进行拟合，以拟合的椭圆长短轴长度比值为所述嘴部的张开度；

当所述嘴部的张开度超过张开度预设值时，开始计算所述持续张开时长，当所述嘴部的张开度小于张开度预设值时，停止计算所述持续张开时长，如果计算的持续张开时长超过张开时长预设值时，判定驾驶员在打哈欠，并计入驾驶员打哈欠的次数。

6.一种基于快速特征点定位的全天候哈欠检测系统，其特征在于，包括：

脸部识别模块：利用具有红外补光功能的图像采集装置采集驾驶员头部图像，利用Adaboost算法训练出识别脸部区域的分类器，利用训练出的所述分类器对驾驶员头部图像进行识别从而识别出驾驶员脸部区域；

嘴部识别模块：利用基于局部二值特征的形状回归算法训练定位脸部特征点的模型，利用训练出的所述模型定位驾驶员脸部区域的特征点，并根据驾驶员脸部区域的特征点获取驾驶员嘴部区域位置和图像；

哈欠判断模块：对所述驾驶员嘴部区域图像进行预处理操作之后进行轮廓检测，筛选出嘴部轮廓，由嘴部轮廓计算嘴部的张开度和持续张开时长，根据嘴部的张开度和持续张开时长判断驾驶员是否打哈欠以及统计打哈欠的次数。