[发明专利]一种机车乘务员实时视频疲劳检测的方法

摘要

一种机车实时视频疲劳检测的方法，步骤如下打开摄像头，提取视频帧，确定人眼区域作为目标跟踪区域，运用CamShift跟踪算法获得初始矩形区域，再运用缩减区域方法得到缩减处理后左眼区域，当缩减处理后左眼区域中心不处于视频帧的边缘时，由缩减处理后左眼区域获得左眼矩形区域，对左眼矩形区域进行图像处理提取左眼轮廓，计算左眼轮廓最小外接矩形的高宽比S，统计左右眼的睁闭眼次数，计算设定的时间段内所检测的视频帧中眼镜为闭合状态的帧数与总帧数的比值，当比值小于设定值时，判断乘务员是否对机车进行有效操作，如果没有，则报警。本发明能够有效防止机车乘务员疲劳驾驶而影响机车运行安全，对机车乘务员正面检测效果尤为显著。

主权项

一种机车实时视频疲劳检测的方法，该方法可与现在中国的列车运行监控记录装置等结合起来，应用于机车车载安全防护系统的视频监控子系统，其特征在于，包括如下步骤：第一步：打开摄像头，提取视频帧，第二步：如果视频帧中有目标跟踪区域并且连续跟踪帧数G少于设定帧数，则开启CamShift跟踪，然后转入第四步；如果视频帧中没有目标跟踪区域或者连续跟踪帧数G等于设定帧数，转入第三步；第三步：运用基于Haar特征的AdaBoost人脸检测分类器检测视频帧中是否有人脸，如果没有检测到人脸，则认为该视频帧中左眼和右眼都处于闭眼状态，然后转入第七步；如果检测到人脸，记录人脸位置及区域大小，根据人脸的“三庭五眼”，确定人眼区域作为目标跟踪区域，然后返回第二步；第四步：将目标跟踪区域作为CamShift跟踪算法的输入，获得可旋转矩形区域，所述可旋转矩形的中心为(center.x，center.y)、宽为width、高为height，将以(center.x，center.y)为中心、以γ*width为宽、以δ*height为高的矩形区域作为初始矩形区域，其中，参数γ和δ根据实际情况的需要确定；运用缩减区域方法对初始矩形区域进行迭代a次的计算，再左右等分为左眼区域和右眼区域，然后分别对左眼区域和右眼区域运用缩减区域方法迭代b次的计算，得到缩减处理后左眼区域和缩减处理后右眼区域，然后以缩减处理后左眼区域中心和缩减处理后右眼区域中心的距离为两眼距离L，其中，迭代计算次数a和b根据实际情况的需要确定；第五步：判断缩减处理后左眼区域中心是否处于视频帧的边缘，如果是，则认为该视频帧中左眼处于闭眼状态，然后转入第七步；否则，转入第六步，判断缩减处理后右眼区域中心是否处于视频帧的边缘，如果是，则认为该视频帧中右眼处于闭眼状态，然后转入第七步；否则，转入第六步，第六步：将缩减处理后左眼区域的中心为中心、以η*L为宽、以θ*L为高的矩形作为左眼矩形区域，将缩减处理后右眼区域中心为中心、以η*L为宽、以θ*L为高的矩形作为右眼矩形区域，参数η和θ根据实际情况的需要确定，分别对左眼矩形区域和右眼矩形区域进行图像处理，然后分别提取左眼轮廓和右眼轮廓，分别计算左眼轮廓和右眼轮廓的最小外接矩形的高宽比S，当高宽比S小于设定值时，认为该视频帧中眼睛状态为闭合，然后转入第七步；当高宽比S大于或等于设定值时，认为该视频帧中眼睛状态为睁开，然后转入第七步；第七步：分别统计左眼和右眼的睁闭眼次数，计算设定的时间段内所检测的视频帧中左眼为闭合状态的帧数与总帧数的比值F1，同时计算设定的时间段内所检测的视频帧中右眼为闭合状态的帧数与总帧数的比值F2；第八步：当F1＞ε并且F2＞ζ时，判断最近时间t内乘务员是否对机车进行有效操作，如果没有，则报警；否则，进入下一帧图像，重复第二步至第七步，参数ε、ζ和时间t根据实际情况的需要确定。