[发明专利]一种驾驶员疲劳驾驶监测方法

权利要求书

1.一种驾驶员疲劳驾驶监测方法，其特征在于：所述的驾驶员疲劳驾驶监测方法包括人脸检测方法、ROI(region of interest)截取方法、图像增强方法、特征提取方法、模型训练及部署方法；具体步骤如下：

步骤S1001：采用人脸检测方法获取每帧图像人脸信息和关键点信息；

所述人脸检测方法为对视频流数据每帧图像使用预训练人脸模型进行人脸检测、获取人脸关键点信息；

所述关键点信息包含左眼左角p₁，左眼右角p₂，右眼左角p₃，右眼右角p₄的坐标；

步骤S1002：采用ROI截取方法获取ROI；

所述ROI截取方法即通过使用人脸检测方法获得的眼睛关键点坐标截取ROI；具体采用如下公式：

roi.w＝λ_x·(p₄.x-p₁.x)

roi.h＝λ_y·λ_x·(p₄.x-p₁.x)

式中λ_x、λ_y为权重因子，满足λ_x≥1，1≥λ_y≥0.75；

步骤S1003：采用图像增强方法对ROI区域进行运算获得增强图像；

所述图像增强方法为截取ROI与模板算子进行卷积运算，使得图像的边缘信息增强；所述的模板算子为：

步骤S1004：依据特征提取方法，对增强图像提取单帧特性向量；

所述特征提取方法为对增强图像采用LBP(Local Binary Patterns)运算得到单帧特征向量；

步骤S2000：视频段内所有单帧特征向量进行合并；

所述视频段为一个样本，其视频帧率和视频段时长为固定值；

所述所有单帧特征向量为视频段内固定帧率下所有图像帧按照步骤S1001到步骤S1004提取的单帧特征向量；

所述合并为将所有单帧特征向量进行顺序拼接，获取行特征向量Y；

步骤S3000：采用模型训练方法，对训练样本进行训练获得监测模型；

所述训练样本为训练集中视频段按照步骤S1001到步骤S2000提取特征向量Y_i与对应的疲劳驾驶或非疲劳驾驶标签b_i组成{Y_i,b_i}；

所述模型训练方法为采用SVM模型训练；

步骤S3001：部署阶段，使用训练得到模型对驾驶员驾驶进行监测；监测过程为采用固定视频帧率实时获取驾驶员驾驶过程中图片帧；按照步骤S1001到步骤S1004提取单帧特征向量；并以先进先出移位存储原理，按照步骤S2000合并固定视频时长的特征向量，以监测周期对特征向量进行模型实时判决输出；

所述固定视频帧率和固定视频时长同步骤S2000中视频帧率和视频时长。

2.如权利要求1所述的一种驾驶员疲劳驾驶监测方法，其特征在于：所述步骤S1001中人脸检测方法中的预训练人脸模型为SeeTaFace人脸模型。

3.如权利要求2所述的一种驾驶员疲劳驾驶监测方法，其特征在于：所述步骤S1002中ROI截取方法中的所述权重因子λ_x＝1.2，λ_y＝0.75。

4.如权利要求3所述的一种驾驶员疲劳驾驶监测方法，其特征在于：所述步骤S2000中固定帧率为30帧每秒，固定视频时长为10s。

5.如权利要求4所述的一种驾驶员疲劳驾驶监测方法，其特征在于：所述步骤S3001中监测周期为1s。