[发明专利]基于N-range图像处理算法的眼动参数监测的疲劳检测方法

权利要求书

1.一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，包括以下步骤：

1)采集侧眼图像，对图像进行灰度化处理和抗噪处理，得到预处理后的侧眼图像；

2)针对预处理后的侧眼图像，通过十字交叉卷积核进行卷积操作，得到眼部的梯度激活图；

3)对梯度激活图进行阈值分割，去除激活程度低于阈值的区域并置为0，其余区域保持不变；

4)计算所述步骤3)得到的图像的列方向和行方向的标准差投影图；对标准差投影图采用平均值阈值分割法，保留大于平均值标准差所在的行序号和列序号，作为眼部的区域，即行序号和列序号组成了一个矩形框，通过该矩形框分割出眼部区域；

5)计算所述步骤4)得到的矩形框的高宽比，通过将得到的高宽比的值与设定的睁闭眼阈值进行比较，判断睁、闭眼状态；

6)统计一段时间内的眼部图像，对每一张图像按上述步骤处理得到睁、闭眼状态，计算其闭眼的帧数占总帧数的百分比，当百分比大于设定的疲劳阈值时，判定为疲劳状态；

所述步骤2)具体包括：采用十字交叉型的卷积核K，捕捉横纵方向上的绝对梯度和，卷积核K大小为N'*N'，N'＝2*i'+1，i'＝1,2,3,4……，卷积核中心权重为0，上下两侧各为+1与-1，左右两侧各为+1与-1。

2.根据权利要求1所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述卷积核K进行卷积激活的公式如下式(1)：

其中，Absolute表示对卷积激活的结果进行绝对值运算，m,n代表预处理后的侧眼图像中坐标位置为(m,n)的像素点；x[m,n]为像素点(m,n)的激活值，对预处理后的侧眼图像中的每一个像素点(m,n)，均与卷积核K进行半绝对卷积运算，从而得到眼部的梯度激活图。

3.根据权利要求2所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述步骤3)中，采用OTSU算法对梯度激活图进行阈值分割：按照激活的特性将图像分成前景和背景两部分，背景和前景之间的类间方差越大，说明构成图像两部分的差别就越大；通过找到类间方差最大的分割，来凸显出激活区域的，而衰减非激活区域或遮蔽，即将非激活区域激活值置为0。

4.根据权利要求3所述的基于N-range图像处理算法的眼动参数监测的疲劳检测方法，其特征在于，所述步骤3)具体包括：

3-1)先计算梯度激活图的激活直方图，即将梯度激活图所有的像素点按照0～255共256个bin，统计落在每个bin的像素点数量；

3-2)归一化激活直方图，即将每个bin中像素点数量除以总的像素点；

3-3)用i表示分类的阈值，也即一个激活级，从0开始迭代；

3-4)通过归一化的激活直方图，统计0～i激活级的像素占整幅图像的比例w₀，假设像素值在0～i范围的像素叫做前景像素，并统计前景像素的平均灰度u₀；统计i～255激活级的像素占整幅图像的比例w₁，假设像素值在i～255范围的像素叫做背景像素，并统计背景像素的平均激活u₁；

3-5)按下式(2)计算前景像素和背景像素的方差：

g＝w₀*w₁*(u₀-u₁)² (2)

3-6)令i＝i+1；转到步骤3-4)进行迭代，直到i为256时结束迭代；

3-7)将最大g相应的i值作为梯度激活图的全局激活阈值，将激活值小于g的像素点的激活值置于0，其余区域保持不变。