[发明专利]一种驾驶员疲劳驾驶监测方法

说明书

本发明提供了一种驾驶员疲劳驾驶监测方法；主要包括人脸检测方法、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。解决了当前驾驶员安全驾驶监测系统中对驾驶疲劳驾驶针对化监测的空白；同时本发明为全自动疲劳监测方法，可以实现近实时检测，精度较高，有效对驾驶员疲劳驾驶进行监测和提醒，以减少事故的发生。

技术领域

本发明涉及一种安全监测方法，具体涉及一种驾驶员疲劳驾驶监测方法。

背景技术

现代社会，机动车已经成为日常生活必不可少交通出行工具，机动车给人们生活带来方便的同时，不安全的机动车驾驶也会造成重大的交通事故，其中疲劳驾驶的危害尤为突出。基于此，能够监测出驾驶员疲劳驾驶以及进行必要的提醒成为避免此类交通事故行之有效的方法，当前防范驾驶员疲劳驾驶的方法有如火车或者动车驾驶员的定时踩踏板、客运车上的超速语言提示等，对于疲劳驾驶监测还没有针对性的方法和设备。为解决上述问题，本发明提供了一种驾驶员疲劳驾驶监测方法。

发明内容

本发明的目的在于提供一种驾驶员疲劳驾驶监测方法，实现对于驾驶员驾驶过程中的疲劳驾驶进行监测，便于后续的提示等动作。

为实现上述目的，本发明提供了一种驾驶员疲劳驾驶监测方法，主要包括人脸检测方法、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；

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；

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：

w＝λ_x·(p₄.x-p₁.x)

h＝λ_y·w

即获得ROI矩阵：

roi.w＝λ_x·(p₄.x-p₁.x)

roi.h＝λ_y·w

式中，center为眼睛中心点坐标，λ_x、λ_y为权重因子，满足λ_x≥1，1≥λ_y≥0.75；

所述图像增强方法为归一化的截取ROI与模板算子进行运算，使得图像的边缘信息增强；所述的模板算子为：

所述特征提取方法为将连续固定时间段内所有帧提取的单帧特征向量采用顺序拼接方法获取特征向量；所述单帧特征向量为对图像增强后的ROI区域采用LBP(LocalBinary Patterns)运算得到；

所述模型训练及部署方法准备完成的训练数据进行SVM模型训练获得监测模型；对驾驶员驾驶过程中实时提取特征向量使用监测模型进行疲劳驾驶监测；

所述准备完成的训练数据指带有疲劳驾驶或非疲劳驾驶标签的特征向量；所述特征向量为标签对应的如上述特征提取方法所述的固定时间段的视频获得；

所述实时获取特征向量指间隔固定时间t进行距当前时间如上述特征提取方法所述固定时间段的视频数据提取特征向量。