[发明专利]面向实车工况的驾驶人视频图像疲劳检测方法

摘要

本发明公开了一种面向实车工况的驾驶人视频图像疲劳检测方法，首先获取监控视频图像，更新监控视频图像的R、G、B分量，并将R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理，其次进行连通域统计，获得人脸有效脸部区域，之后对人脸有效眼部区域图像进行SURF不变性特征提取，从而获得驾驶员眼睛区域图像，再然后对驾驶员眼睛区域图像进行圆形特征检测，最后每间隔一定时间进行疲劳特征提取，从而判定驾驶员是否处于疲劳驾驶状态。其显著效果是：克服了实车工况下面部视频特征容易受到光照变化的影响，同时不受个体眼睛形状的影响，疲劳检测精度高，对不同驾驶者表现出较高的工程泛化能力。

主权项

一种面向实车工况的驾驶人视频图像疲劳检测方法，其特征在于按照以下步骤进行：步骤1：按照k帧/秒的采样率对驾驶员的监控视频进行采样；步骤2：按照$R=R\×\frac{\mathrm{sum}\left(G\right)}{\mathrm{sum}\left(R\right)},$$G=G\×\frac{\mathrm{sum}\left(G\right)}{\mathrm{sum}\left(G\right)},$$B=B\×\frac{\mathrm{sum}\left(G\right)}{\mathrm{sum}\left(B\right)},$分别更新每帧视频图像的R、G、B分量；其中，sum(R)表示当前图像帧中R分量的和，sum(G)表示当前图像帧中G分量的和，sum(B)表示当前图像帧中B分量的和；步骤3：将更新后的R、G、B分量转换为YCgCr彩色空间，并对YCgCr彩色空间的Y、Cg、Cr分量进行二值化阈值处理；步骤4：将步骤3处理后的图像帧进行连通域统计，判定最大连通区域的面积是否大于第一预设阈值，如果是，则截取人脸有效眼部区域；否则，放弃当前图像帧，重新对下一帧视频图像进行处理；步骤5：将步骤4获得的人脸有效眼部区域图像进行SURF不变性特征提取，获得SURF特征点；步骤6：利用聚类算法对步骤5所得的特征点进行聚合；步骤7：计算最大聚类集合与次大聚类集合的中心位置C(x,y)，然后以中心位置C(x,y)为中心，截取驾驶员眼睛区域图像；步骤8：对驾驶员眼睛区域图像进行圆形特征检测；步骤9：每间隔时间T按照进行疲劳特征提取，当P≤P₀时则判定为驾驶员处于疲劳驾驶状态；其中m为当前时刻前t秒内截取驾驶员眼睛区域图像的总次数，n为当前时刻前t秒内截取驾驶员眼睛区域图像中满足圆形特征检测的次数，P₀为疲劳特征判定阈值。