[发明专利]基于自适应面部动作特征阈值的疲劳驾驶检测方法

权利要求书

1.基于自适应面部动作特征阈值的疲劳驾驶检测方法，其特征在于：具体包括如下步骤：

步骤1，获取实时拍摄驾驶员驾驶过程的视频，并将视频流加载成图像帧；

步骤2，使用YOLO V5网络进行识别步骤1加载的图像帧中的标签信息、置信度和位置信息，并通过标签信息进行判断驾驶员是否已经坐到驾驶位置上面，如果驾驶员没有坐到驾驶位置，则继续执行步骤1直至驾驶员开始坐到驾驶位置上面后才执行步骤3；

步骤3，循环读取步骤1加载的图像帧，对每一帧的图像获取面部特征位置信息，并计算眼部长宽比EAR和嘴部长宽比MAR；

步骤4，在不同时段根据步骤3获得的眼部的长宽比EAR和嘴部长宽比MAR自适应计算出眼部长宽比阈值EART和嘴部长宽比阈值MART；

步骤5，根据步骤4获得的眼部和嘴部长宽比阈值进行统计眨眼次数和打哈欠次数；

步骤6，根据步骤5统计的眨眼次数和打哈欠次数进行判断当前时段是否疲劳，然后继续循环执行步骤1，进行判断下一时段的疲劳状态。

2.根据权利要求1所述的一种基于自适应面部动作特征阈值的疲劳驾驶检测方法，其特征在于：所述步骤1的具体过程为：

步骤1.1，通过OpenCV的视频的获取操作函数获取视频源；

步骤1.2，经过步骤1.1获得驾驶员驾驶过程的视频源之后，设置定时器周期，连接定时器周期溢出的槽函数，用于显示一帧视频，加载成图像帧之后，读取视频的每一帧画面。

3.根据权利要求2所述的一种基于自适应面部动作特征阈值的疲劳驾驶检测方法，其特征在于：所述步骤2的具体实施方式如下：

步骤2.1，将步骤1加载的图像帧保持原有的长宽比例，剩下的部分采用灰色填充处理获得新的图像帧；

步骤2.2，将步骤2.1获得的新图像帧中内存不连续存储的数组转换为内存连续存储的numpy数组；

步骤2.3，将步骤2.2处理之后的numpy数组转换为PyTorch中的张量，且二者共享内存；

步骤2.4，将步骤2.3获得的张量经过YOLO V5网络进行处理，处理之后提取所有分数中最高的作为最终结果；

步骤2.5，从步骤2.4的最终结果中提取标签信息、置信度和位置信息；

步骤2.6，从步骤2.5获得的标签信息判断驾驶员是否坐到驾驶位置，如果没有检测到驾驶员坐到驾驶位置的标签信息，则继续执行步骤1直至检测到驾驶员坐到驾驶位置的标签信息后才执行步骤3。

4.根据权利要求3所述的一种基于自适应面部动作特征阈值的疲劳驾驶检测方法，其特征在于：所述步骤3的具体过程为：

步骤3.1，通过Dlib的人脸关键点检测器来处理获取步骤1加载的图像帧中的脸部关键点特征信息；

步骤3.2，将步骤3.1获取的脸部关键点特征信息转换为数组array的格式，根据获取左右眼和嘴部等面部标志的索引，进行提取左右眼和嘴部的坐标；通过坐标计算对应的欧氏距离，以此欧式距离得到左右眼与嘴部的长宽比；眼部和嘴部的长宽比计算的数学公式分别如(1)(2)：

式中，EAR代表眼部长宽比，p₁，p₂，p₃，p₄，p₅，p₆分别代表眼部的六个关键点位置坐标；MAR代表嘴部长宽比，m₁,m₂,m₃，m₄，m₅，m₆分别代表嘴部的六个关键点位置坐标。