[发明专利]一种疲劳驾驶判定方法

说明书

本发明涉及一种疲劳驾驶判定方法，属于图像处理领域。该方法分为三个部分：驾驶员嘴部疲劳检测、驾驶员眼部疲劳检测以及驾驶员整体疲劳驾驶判定。该方法旨在解决现有检测率不高、实用性较差只能解决单帧图像下的疲劳检测的问题。在数据集的测试中能够达到更好的检测效果。此外，本方法还能为车载摄像头之类的车内设备嵌入式开发提供技术支持。

技术领域

本发明属于图像处理领域，涉及车内设备的嵌入式开发、智能汽车等技术，主要针对车内驾驶员的疲劳状态判定。

背景技术

随着汽车保有量的不断提高，道路交通安全事故问题已经成为当前社会面临的严重问题。目前，我国道路交通事故年死亡人数远超其他国家，高居世界第二位，遏制道路交通事故高发、降低交通事故伤害任重道远。在庞大的交通事故死亡数据背后，驾驶员疲劳驾驶是主要原因之一，因此对驾驶员疲劳状态进行检测并做出预警有着重大的意义。

现有的疲劳驾驶系统包含三个部分：人脸检测、人眼检测和疲劳判定。其中，人脸检测采用了Haar和AdaBoost算法来检测人脸，人眼检测采用灰度积分投影和块复杂度分析结合来定位人眼。然后对检测出的人眼计算PERCLOS值来判断疲劳状态。但是该方法存在着检测率不高、实用性较差只能解决单帧图像下的疲劳检测问题。因此，研究可靠性高并且能针对多帧图像检测的算法有着重大的研究价值和现实意义。

发明内容

有鉴于此，本发明的目的在于提供一种疲劳驾驶判定方法，有效检测出驾驶过程中驾驶员的疲劳状态，并作出预警。

为达到上述目的，本发明提供如下技术方案：

一种疲劳驾驶判定方法，包括以下部分：

a：对驾驶员嘴部疲劳状态进行检测；

b：对驾驶员眼部疲劳状态进行检测；

c：对驾驶员整体疲劳状态进行判定。

进一步，所述部分a包括以下步骤：

a1：采用4层卷积神经网络CNN模型，对数据库进行建模；

a2：对于给定的驾驶员嘴部图片，输出嘴部疲劳状态检测结果。

进一步，所述部分b包括：

对于给定的眼部特征点，计算眼睛闭合度EAR，其公式如下：

式中，P₁,P₂,P₃,P₄,P₅,P₆.分别为从左眼角逆时针旋转共6个点。

进一步，所述部分c具体包括以下步骤：

c1：对于给定的驾驶员图像，取30帧图像作为一个序列窗口；

c2：分别求窗口内眼部和嘴部疲劳占比，其公式如下：

式中，C表示该窗口内的总帧数，c₁表示眼部被判定为疲劳的帧数，c₂表示嘴部被判定为疲劳的帧数，r₁表示眼部疲劳帧数占总窗口帧数的比例，r₂表示嘴部疲劳帧数占总窗口帧数的比例；

c3：根据求得的占比和给定的权值，计算驾驶员整体疲劳判定值，其公式如下：

D＝w₁×r₁+w₂×r₂