[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

说明书

本发明公开了一种基于N‑range图像处理算法的眼动参数监测的疲劳检测方法，包括以下步骤：1)采集侧眼图像并预处理；2)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；5)计算矩形框的高宽比，判断睁、闭眼状态；6)疲劳状态分析。本发明具有平移旋转以及尺度不变形，且鲁棒性高，抗噪声能力与抗光照不均衡能力均较强，能提高疲劳检测的准确率。

技术领域

本发明涉及疲劳检测技术领域，特别涉及一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法。

背景技术

疲劳是由于过度的体力或脑力劳动引起的一种生理现象，是人体正常的生理活动规律。在医学上，疲劳被定义为人体困顿、倦怠的感觉，是需要休息和放松的信号。疲劳主要表现为瞌睡，精力不集中，人体的正常反应减慢，交感神经活动减弱，副交感神经增强等。疲劳表现出来的某些生理、心理和行为科学指标可以通过实验来测定。比如，通过肌电图测定肌肉的疲劳现象，通过脑电图、闪光融合频率测定脑力疲劳现象，以及通过眼电图测定眼睛的视觉和眼睛疲劳等。

为提高作业的安全性，疲劳监测的相关研究方法主要有：基于生理的方法，通过分析驾驶员脑电图的变化；通过分析汽车转向轮上握力的变化、基于驾驶员头部行为的方法以及基于眼动的监测方法。其中基于眼动的方法，使用成本最低，监测效率较高。

目前基于眼动的疲劳监测方法均是利用PERCLOS理论并从正面采集人眼，并进行人眼特征提取。例如Tapan Pradhan(Dhar S,Pradhan T,Gupta S,et al.Implementationof real time Visual Attention Monitoring algorithm of human drivers on anembedded platform[C]//Students Technology Symposium.IEEE,2010)提出了一种基于主成分分析的监测方法。其将眼睛图像分为三个类别：完全睁开、部分睁开和完全闭眼。通过对图像提取主成分，并奇异值分解，分别计算三个类别的最大概率，从而判别当前人眼的状态。这种方法在状态判别上具有较高的准确度，但是实用性较低，将人眼只分为3个状态，丢失了大量的人眼微动作信息，在疲劳判决方面，准确率较低。目前基于眼动的疲劳监测方法普遍存在运算量大、鲁棒性低、准确率较低等缺陷。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于N-range图像处理算法的眼动参数监测的疲劳检测方法。本发明可用于穿戴式的疲劳检测设备中(如采用眼镜形式的疲劳监测设备)，对人眼图像进行分析，以最终实现疲劳状态判断。

为解决上述技术问题，本发明采用的技术方案是：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，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；