[发明专利]一种基于视线的驾驶员注意力检测方法

说明书

本发明公开了一种基于视线的驾驶员注意力检测方法，其包含了人脸2D关键点检测、3D人脸特征提取、墨镜检测、视线估计和注意力区域检测5个部分；视线是表达驾驶员注意力状态的最好方式，但当驾驶员穿戴墨镜时，无法进行视线估计，因此本发明通过计算机视觉相关算法检测驾驶员是否穿戴墨镜；在驾驶员穿戴墨镜情景下，使用驾驶员头部朝向替代视线作为注意力方向。本发明通过自动化监测系统检测驾驶员的注意力状态，能够有效地减少由于分心驾驶，从而减少交通事故的发生；对于不同的光照条件以及驾驶员特征都具有良好的鲁棒性，且实时性良好，危险时刻能够及时地发出提醒。

技术领域

本发明属于计算机视觉技术领域，具体是一种基于视线的驾驶员注意力检测方法，应用于驾驶员注意力检测场景当中。

背景技术

目前，驾驶员分心驾驶是导致交通事故发生的主要因素。根据国家公路交通安全管理局(NHTSA)以及VTTI的研究表明，70％的交通事故中都存在着驾驶员注意力分散的因素。驾驶员分心驾驶是指将驾驶员的注意力从专注于驾驶转移到其他任何活动上的行为。比如，发短信、打电话、吃东西、操作GPS等常见行为都会导致分心驾驶。有研究表明，在驾驶同时进行其他任务时(发短信、打电话等)会加重驾驶员的认知负荷，而目前这种现象愈加频繁，也就导致了分心驾驶出现的频率越来越高。当驾驶员认知负荷增加时会体现在驾驶员的视觉行为和驾驶行为上。因此通过监视驾驶员的视觉行为能够有效的对驾驶员注意力进行监视。避免分心驾驶导致的危险。

基于视觉实时监测真实驾驶环境下的驾驶员注意力状态是相当具有挑战性的。难点主要包括：(1)存在白天，黑夜等不同的光照条件；(2)驾驶员的表情和头部姿态具有多样性；(3)驾驶员存在人种，性别以及年龄等差异；(4)驾驶员穿戴眼镜影响检测效果。驾驶员注意力检测算法主要包含两个方向，基于硬件或者软件的方法。基于软件的方法又分为基于头部姿态和头部姿态与视线相结合两类。FaceLAB是一个商用的监测系统，使用基于立体视觉的眼动仪监测视线，头部姿态，眼睑以及瞳孔大小。这套系统已经应用于多个实际的辅助驾驶员场景中，但基于立体视觉的系统需要繁杂的初始化程序和昂贵的费用导致了其难以量产和推广。类似的，Smart Eye使用一个多摄像头系统生成驾驶员的3D头部模型，用于计算驾驶员的视线，头部姿态和眼睑状态。然而这种系统在商业汽车上进行推广的代价非常的高昂并且对于必须的硬件依赖非常的高，需要在车上额外安装硬件设施，极大的约束了系统的可移植性。因此，这类系统都很难在普通汽车上安装使用。

发明内容

本发明所要解决的技术问题是提供一种基于视线的驾驶员注意力检测方法，基于视线估计算法以及头部姿态估计算法检测驾驶员状态，具备搭建简单，对不同年龄、性别和人种的人以及实际驾驶环境的不同光照条件具有良好的鲁棒性，实时性好等优势。

为解决上述技术问题，本发明采用的技术方案是：

一种基于视线的驾驶员注意力检测方法，包括以下步骤：

步骤1：获取人脸位置并定位2D人脸关键点坐标；

步骤2：根据步骤1求取的2D人脸关键点坐标，构建3D头部模型，提取驾驶员当前状态下的3D人脸特征，即3D人脸关键点坐标以及头部姿态；

步骤3：在眼部区域计算尺度不变特征变换(Scale-invariant featuretransform，SIFT)特征，使用支持向量机(Support Vector Machine，SVM)训练模型，检测驾驶员是否穿戴墨镜，若穿戴墨镜则用步骤2获取的驾驶员头部姿态表示注意力方向；

步骤4：若没有穿戴墨镜，则构建简化的眼球模型，根据步骤1和步骤2求的2D以及3D人脸关键点坐标，获取其中的人眼关键点的2D以及3D坐标，并结合眼部空间结构关系计算3D坐标系下的视线方向，将视线方向作为注意力方向，所述人眼关键点包括上下眼睑和内外眼角点；

步骤5：根据步骤3和步骤4获取的注意力方向，结合划分的车内区域，确定驾驶员的注意力状态。