[发明专利]基于opencv技术的疲劳驾驶预警系统

摘要

本发明公开了一种基于opencv技术的疲劳驾驶预警系统，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号进行判断，从而预警提醒；摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，判定此时驾驶员是否处于疲劳状态，从而预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示。本发明大大提高驾驶员疲劳驾驶提醒的准确性。

主权项

1.一种基于opencv技术的疲劳驾驶预警系统，其特征在于，包括红外传感器和摄像仪，所述红外传感器和摄像仪均通过通信模块与处理器连接；所述红外传感器对驾驶人头部的某个点进行跟踪并采集驾驶人的生理信号，当驾驶人出现疲劳进而将头低下的生理信号时，红外传感器反馈低头的距离信号给处理器，处理器基于低头的距离进行检验，若超过所规定的低头距离阈值时，进行预警提醒；所述摄像仪对驾驶人的面部进行实时跟踪并采取分帧的方式将所采集的图像作为输入数据传送给处理器，处理器对采集的图像进行判别，并建立坐标系，将驾驶员的两眼进行投影从而得到两眼的坐标，通过坐标量化两只眼睛的上下眼皮相差距离，而后将上下眼皮相差距离与所设置的上下眼皮距离阈值进行比较，当得到的上下眼皮相差距离超出上下眼皮距离阈值后，判定此时驾驶员处于疲劳状态，进行预警提醒；当红外传感器检测超过所规定的低头距离阈值且摄像仪检测超出上下眼皮距离阈值时，进行报警警示；其中，在对采集的图像进行判别时，先利用积分图像算法来提取图像特征值，接着利用adaboost分类器的特征强化弱分类器，保留最有用特征，最后将adaboost分类器进行改造，制得级联adaboost分类器，采用级联adaboost分类器对图像进行判别；所述级联adaboost分类器包括以下制备步骤：步骤1)首先初始化训练数据；D1表示第一次迭代的每个样本的权值，w11表示第1次迭代时的第一个样本的权值，N为样本总数；步骤2)进行多次迭代；A、使用具有权值分布Dm(m＝1，2，3…N)的训练样本集进行学习，得到弱分类器；Gm(x)∶x→{‑1，+1}该式子表示，第m次迭代时的弱分类器，将样本x分类成‑1或1；准则：该弱分类器的误差函数最小，也就是分错的样本对应的权值之和最小；是一个常量；其中em为误差函数值；B、计算弱分类器Gm(x)的话语权，采用如下公式：话语权am表示Gm(x)在最终分类器中的重要程度，其中am等于em；该公式是随em减小而增大，即误差率小的分类器，在最终分类器的重要程度大；C、更新训练样本集的权值分布，用于下一轮迭代；其中，被误分的样本的权值会增大，被正确分的权值减小；Dm+1＝(wm+1，1，wm+1，2，...wm+1，i，..，wm+1，N)，上式中Dm+1是用于下次迭代时样本的权值，wm＋1，i是下一次迭代时，第i个样本的权值；yi代表第i个样本对应的类别为1或‑1，Gm(xi)表示弱分类器对样本xi的分类，若果分对，则yi*Gm(xi)的值为1，反之为‑1；Zm是归一化因子，使得所有样本对应的权值之和为1，并且Zm的计算公式如下：步骤3)迭代完成后，组合弱分类器；组合公式如下：采用组合公式得到级联adaboost分类器。