[发明专利]一种基于二维人眼识别的疲劳监测方法

权利要求书

1.一种基于二维人眼识别的疲劳监测方法，其特征在于，包括以下步骤：

(1)通过图像采集装置对驾驶员进行人脸图像采集寻找人脸；

(2)通过人眼识别算法和面部特征点估计算法对图像信息进行人眼识别和人眼状态检测；

(3)根据人眼状态信息发出提示音，并将状态信息发送到App。

2.根据权利要求1所述的一种基于二维人眼识别的疲劳监测方法，其特征在于，所述人眼识别算法包括以下步骤：

1)将图像进行灰度处理，判断当前像素与其周边像素的像素深度，用箭头代表图像变暗的方向；

2)将图像分割成16×16像素的小方块，计算得到每个方向上的所有梯度；用指向性最强方向的箭头代替原有的小方块，得到处理图像；

3)通过大量人脸照片生成的方向梯度直方图，将步骤2)所得处理图像与生成的方向梯度直方图进行对比，找到相似的地方即为脸部。

3.根据权利要求1所述的一种基于二维人眼识别的疲劳监测方法，其特征在于，所述面部特征点估计算法包括以下步骤：

A、通过调用dlib中卷积神经网络对上述机器学习算法进行训练，得到训练后的68特征点检测算法，利用所述68特征点检测算法得到任意脸部的68个特征点，从而确定图像中眼睛和嘴巴的位置；

B、确定图像中眼睛和嘴巴的位置后，将图像进行旋转、缩放和错切，使得眼睛和嘴巴尽可能靠近中心；

C、根据眼部的6个特征点实时标出眼部位置，并对人眼的6个特征点的状态进行实时监测。

4.根据权利要求3所述的一种基于二维人眼识别的疲劳监测方法，其特征在于，所述面部特征点估计算法步骤C中，对人眼的6个特征点的状态进行实时监测的方法为：引入眼睛纵横比EAR的概念，对人眼的6个特征点坐标分别定义为p₁,p₂,p₃,p₄,p₅,p₆，EAR公式为

通过EAR的变化波动判定人眼状态为有效眨眼或疲劳状态。

5.根据权利要求4所述的一种基于二维人眼识别的疲劳监测方法，其特征在于，所述有效眨眼的判断方法为：当所述EAR值出现波动，记录帧数大于4帧图片时，记录此次为有效眨眼。

6.根据权利要求4所述的一种基于二维人眼识别的疲劳监测方法，其特征在于，所述疲劳状态的判断方法为：在指定时间内检测到EAR至为0或变化频率过小，记录为疲劳驾驶。