[发明专利]一种汽车安全驾驶监控方法及系统

权利要求书

1.一种汽车安全驾驶监控方法，其特征在于，所述汽车安全驾驶监控方法包括如下步骤：

S1、识别是否存在需要进入车辆的驾驶人员，如识别成功，连续地采集驾驶人员的人脸图像，提取人脸图像的特征码，当提取的特征码与存储的人脸图像的特征码一致时，打开车门；

S2、识别驾驶位置是否存在驾驶人员，如识别成功，连续地采集驾驶人员的人脸图像，提取人脸图像的特征码，当提取的特征码与存储的人脸图像的特征码一致时，汽车启动；

S3、检测汽车行驶的车速，如车速低于30KM/h，连续地采集驾驶人员的人脸图像，提取人脸图像的特征码，当提取的特征码与存储的人脸图像的特征码一致时，不发出警报，否则进行报警；

S4、检测汽车行驶的车速，如车速高于30KM/h，连续地采集驾驶人员的人脸图像，通过比对采集的人脸图像，识别驾驶人员眼睛张合频率以及嘴巴张开的频率，当眼睛张合频率以及嘴巴张开的频率未达到设定的阈值时，不发出警报，否则进行报警。

2.根据权利要求1所述的汽车安全驾驶监控方法，其特征在于，所述特征码为与人脸五官相对应的位置数据以及脸部轮廓数据。

3.根据权利要求1所述的汽车安全驾驶监控方法，其特征在于，所述汽车安全驾驶监控方法还包括对采集的人脸图像数据进行过滤处理：

根据采集的人脸图像数据，计算局部能量谱梯度、梯度直方图扩展和最大色度饱和；

根据计算得到的局部能量谱梯度、梯度直方图扩展和最大色度饱和，统计出整幅图像中模糊像素的比例，对人脸图像数据进行有效的过滤。

4.根据权利要求3所述的汽车安全驾驶监控方法，其特征在于，所述局部能量谱梯度按照如下方法计算：

先用离散傅里叶变换计算NxN大小图像的能量谱：

然后转换至极坐标u＝fcosθ，v＝fsinθ，并计算S(f,θ)，得到：

其中，A是一个各个方向上的幅度因子，α是能量谱斜率；大量的研究表明，自然图像中α约为2，模糊的图像有较大的α。因此图像的局部模糊程度可以描述为局部与全局α值的比例差异

其中，α_p是局部α，α_o是全局α；

所述梯度直方图扩展按照如下方法计算：

先计算图像每个像素的梯度，然后用含有两个高斯的高斯混合模型描述局部的梯度分布：π₀G(x；μ₀，σ₀)+π₁G(x；μ₁，σ₁)，其中σ₁>σ₀；

根据梯度分布，梯度直方图扩展的具体计算公式为

其中，C_p是局部图像灰度值范围，ε是防止除零的极小数，τ是一个常数，取25；

所述最大色度饱和按照如下方法计算：

先计算每个像素的饱和度：

然后使用以下公式比较局部饱和度最大值和全局饱和度最大值，得到最大色度饱和：

其中，max(s_p)是局部图像块中饱和度最大值，max(s_o)是全局图像中饱和度最大值。