[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

说明书

本发明公开的基于自适应面部动作特征阈值的疲劳驾驶检测方法，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，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；步骤3，循环读取步骤1加载的图像帧，并计算EAR和MAR；步骤4，在不同时段根据步骤3获得的EAR和MAR自适应计算出EART和MART；步骤5，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。该方法解决了现有技术中使用固定的疲劳检测阈值而产生的鲁棒性低和可靠性低的问题。

技术领域

本发明属于图像处理方法技术领域，涉及一种基于自适应面部动作特征阈值的疲劳驾驶检测方法。

背景技术

当驾驶人员长时间的持续专注驾驶且没有获得足够的休息时，体内的生理机能与心理机能便会逐渐失调，驾驶人员对于车辆的注意力、控制能力及其面对突发事件时的反应能力都会随之明显下降。严重则可能坠入短暂睡眠，导致车辆彻底失控，此现象被称为疲劳驾驶。

目前国内外针对疲劳驾驶检测方法主要有基于生理特征的疲劳检测和基于面部特征的疲劳检测。其中，基于面部特征的疲劳检测算法是通过使用一个固定的阈值确定驾驶员眼睛和嘴巴的状态判断是否处于疲劳状态。但是每个驾驶员的眼部和嘴部特征各有不同，现有算法并没有考虑到驾驶员的个人面部特征差异。这种使用统一固定的阈值进行判断疲劳状态的检测方法，会导致检测结果存在鲁棒性低、可靠性低等缺陷。

发明内容

本发明的目的是提供一种基于自适应面部动作特征阈值的疲劳驾驶检测方法，该方法解决了现有技术中使用固定的疲劳检测阈值而产生的鲁棒性低和可靠性低的问题。

本发明所采用的技术方案是，基于自适应面部动作特征阈值的疲劳驾驶检测方法，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(外框)，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(eye aspect ratio)和嘴部长宽比MAR(mouth aspect ratio)；

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(Eye aspect ratio threshold)和嘴部长宽比阈值MART(Mouthaspect ratio threshold)；

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。

本发明的特征还在于，

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。

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；