一种基于检测面部特征的车载检测方法

1.本发明涉及驾驶员面部状态特征检测技术领域，具体为一种基于检测面部特征的车载检测方法。


背景技术：

2.面部特征疲劳状态检测主要通过面部特征进行疲劳状态检测，采用摄像头进行图像输入，利用面部关键点对眼睛、嘴部信息以及面部心率进行分析，提取个人面部信息，对驾驶员面部疲劳状态进行分类处理，有效的防止驾驶员发生疲劳驾驶，进而大幅减少因疲劳驾驶而产生的交通事故。
3.一般来说，目前驾驶员面部特征检测技术的研究指以摄像头是指以通过摄像头等图像传感器获取到的驾驶员面部图像为基础，运用机器视觉中人脸检测、面部特征点定位等算法技术，对驾驶员的脸部变化如眼睛睁闭、嘴巴张合等特征进行提取和分析，从而实现对驾驶员的疲劳状态的分析判断。
4.总体而言，目前驾驶员面部特征疲劳状态检测方法具有一定程度的计算量(计算复杂度)，尤其是个人疲劳模型搭建，其计算量可能是一个疲劳检测的瓶颈，当输入人脸特征点(维度)越多时，疲劳模型搭建的计算量越大，如何降低个人疲劳模型的计算负担，是本领域的重要课题之一。


技术实现要素：

5.本公开提供一种基于检测面部特征的车载检测方法，以降低计算负担。
6.在根据本公开的实例中，所述的方法包括用于捕获驾驶员面部图像的摄像头和用于分析图像以检测疲劳的处理器。
7.处理器可以使用各种面部特征(眼睛、嘴巴和头部)来检测疲劳。捕获驾驶员面部图像通过驾驶员面部信息去分析驾驶员眼睛、嘴部信息，以产生驾驶员眼睛状态检测、嘴部状态检测状态。面部特征疲劳模型主要通过驾驶员眼部、嘴部建立个人疲劳状态模型，实现实时监控驾驶员驾驶状态。
8.搭建个人轻量化疲劳模型用于个人疲劳程度检验。有益效果
9.本发明提供了一种基于检测面部特征的车载检测方法。与现有技术相比具备以下有益效果：
10.(1)、该驾驶员面部检测方法，通过低侵略性摄像头进行面部特征点采集，可实现无负担采集信号。
11.(2)、该驾驶员面部特征检测，通过提取眼部关键点、嘴部关键点来进行处理，实现小算力检测。
11.(3)、该驾驶员面部特征疲劳模型建立，通过采集到的眼部关键点、嘴部关键点三维坐标来搭建疲劳状态模型，判断驾驶员个人驾驶疲劳情况。
附图说明
11.图1为本发明的面部特征检测流程图；
12.图2为本发明眼部检测示意图。
13.图3为本发明嘴部检测示意图。
14.图4为本发明模糊控制流程图。
具体实施方式
15.以下结合附图和具体实施例对本发明作进一步说明。
16.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。
17.基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
18.因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
19.请参照图1，本发明提供了一种技术方案：一种基于检测面部特征的车载检测方法，同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
20.面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
21.基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.请参照图1流程图，输入采集到的驾驶员人脸图像进行特征提取，提取和计算疲劳检测相关面部特征。
23.通过眼睛开合度判断眼睛开闭，用嘴巴开合度判断驾驶员是否打哈欠。将眼睛开合度及眨眼频率、嘴巴开合度作为模糊控制系统的输入，根据分类算法，得到疲劳状态，将输出的疲劳程度值进行生理疲劳度判定，输出值即为驾驶员的疲劳状态从而实现疲劳检测。
24.请参照图2，表示眼睛特征参数提取，采用perclos(percentage of eyelid closure over the pupil over time)疲劳检测算法，利用p80进行判断，因此采用眼睛闭合80％代表眼睛处于闭合状态。眼睛的开闭状态通常情况下是采用眼部高宽比r来判断的，即
[0025][0026]
式(1)中：h和w分别为眼睛的高度和宽度。
[0027]
请参照图3，表示嘴巴特征参数提取。当人处于疲劳状态时会打哈欠，判断嘴巴开闭状态也是疲劳的评价因素之一。
[0028]
将嘴巴高宽比k作为判断嘴巴开闭的依据,即
[0029]
[0030]
式(2)中：m和n分别表示为嘴巴的高度和宽度。
[0031]
请参照图4，利用眼部信息和嘴部信息进行模糊化操作，并与现有的规则库进行模糊推理，得到一定疲劳程度划分。
[0032]
其中，通过面部对采集的心电数据的分析处理，包括预处理(低通滤波)、r波的检测、hrv分析，得到时域、频域、非线性指标的变化趋势，进而对疲劳等级分级。
[0033]
根据司机产生疲劳驾驶现象和形成机制的先验知识制定规则，疲劳等级分为不疲劳、轻度疲劳、中度疲劳、重度疲劳，将面部心率进行分析判断驾驶员的疲劳程度，检测到驾驶员处于疲劳状态中，对驾驶员进行语音报警。
[0034]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。


技术特征：
1.一种基于检测面部特征的车载检测方法，所述的面部特征疲劳检测包括图像人脸检测识别、面部特征检测以及面部特征疲劳模型，图像人脸检测识别主要通过摄像头进行采集图像，以产生驾驶员面部信息；面部特征检测主要是通过驾驶员面部信息去分析驾驶员眼睛、嘴部信息，以产生驾驶员眼睛状态检测、嘴部状态以及面部心率检测状态；面部特征疲劳模型主要通过驾驶员眼部、嘴部状态建立个人疲劳状态模型，实现实时监控驾驶员驾驶状态，防止交通意外发生。2.根据权利要求1所述的一种基于检测面部特征的车载检测方法主要通过面部特征进行疲劳状态检测，采用摄像头进行图像输入，利用面部关键点对眼睛、嘴部信息以及面部心率进行分析，提取个人面部信息，对驾驶员面部疲劳状态进行分类处理，有效的防止驾驶员发生疲劳驾驶，进而大幅减少因疲劳驾驶而产生的交通事故。3.根据权利要求1所述的一种驾驶员人脸图像进行特征提取方法，其特征在于：输入采集到的驾驶员人脸图像进行特征提取，提取和计算疲劳检测相关面部特征。通过眼睛开合度判断眼睛开闭，用嘴巴开合度判断驾驶员是否打哈欠。将眼睛开合度及眨眼频率、嘴巴开合度作为模糊控制系统的输入，根据分类算法，得到疲劳状态，将输出的疲劳程度值进行生理疲劳度判定，输出值即为驾驶员的疲劳状态从而实现疲劳检测。4.根据权利要求1所述的一种眼睛特征提取方法，其特征在于：眼睛特征参数提取，采用perclos(percentage of eyelid closure over the pupil over time)疲劳检测算法，利用p80进行判断，因此采用眼睛闭合80％代表眼睛处于闭合状态。眼睛的开闭状态通常情况下是采用眼部高宽比r来判断的。5.根据权利要求1所述的一种嘴部特征提取方法，其特征在于：所述嘴巴特征参数提取。当人处于疲劳状态时会打哈欠，判断嘴巴开闭状态也是疲劳的评价因素之一。将嘴巴高宽比k作为判断嘴巴开闭的依据,。6.根据权利要求1所述的一种模糊融合方法，其特征在于：利用眼部信息和嘴部信息进行模糊化操作，并与现有的规则库进行模糊推理，得到一定疲劳程度划分。其中，通过面部对采集的心电数据的分析处理，包括预处理(低通滤波)、r波的检测、hrv分析，得到时域、频域、非线性指标的变化趋势，进而对疲劳等级分级。

技术总结
本发明专利提供了一种基于检测面部特征的车载检测方法，属于驾驶员疲劳驾驶检测领域，所述的面部特征疲劳检测包括图像人脸检测识别、面部特征检测以及面部特征疲劳模型，图像人脸检测识别主要通过摄像头进行采集图像，以产生驾驶员面部信息；面部特征检测主要是通过驾驶员面部信息去分析驾驶员眼睛、嘴部信息，以产生驾驶员眼睛状态检测、嘴部状态以及面部心率检测状态；面部特征疲劳模型主要通过驾驶员眼部、嘴部状态建立个人疲劳状态模型，实现实时监控驾驶员驾驶状态，防止交通意外发生。生。生。


技术研发人员：吕红明 秦彦彬 郭大鹏 朱凯斌 张瑞 丁福生
受保护的技术使用者：盐城工学院
技术研发日：2023.03.29
技术公布日：2023/10/7