技術(shù)領(lǐng)域

本發(fā)明涉及電子領(lǐng)域，尤其涉及一種檢測疲勞駕駛的方法和裝置。

背景技術(shù)：

生活中，駕駛員疲勞駕駛的情況時有發(fā)生，危及交通安全。

現(xiàn)有技術(shù)中，對駕駛員疲勞駕駛的檢測不夠準(zhǔn)確，經(jīng)常導(dǎo)致誤報警，給駕駛員帶來困擾。

為了解決檢測駕駛員疲勞駕駛中出現(xiàn)的各種問題，需要對現(xiàn)有技術(shù)中的缺陷進(jìn)行改進(jìn)，同時使整體的駕駛員駕駛的安全性提高，使交通事故減少。

技術(shù)實現(xiàn)要素：

基于以上問題，本發(fā)明提出一種檢測疲勞駕駛的方法和裝置，通過從拍攝裝置獲取人臉圖像，對人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像，若連續(xù)多個特征部位圖像中特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛的方式，能夠準(zhǔn)確的判斷出駕駛員是否為疲勞駕駛，從而提高了駕駛的安全性，使檢測疲勞駕駛的成本降低。

一方面，本發(fā)明提出一種檢測疲勞駕駛的方法，包括：

獲取人臉圖像步驟，包括：從拍攝裝置獲取人臉圖像；

識別特征部位步驟，包括：對所述人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像；

判斷步驟，包括：若連續(xù)多個所述特征部位圖像中所述特征部位的狀態(tài)滿足預(yù)設(shè)條件，則判定為疲勞駕駛。

此外，所述識別特征部位步驟中所述特征部位包括眼睛和/或嘴。

此外，所述特征部位為眼睛，所述識別特征部位步驟具體包括：對所述人臉圖像中的眼睛進(jìn)行識別，得到左眼睛圖像、右眼睛圖像或兩只眼睛圖像。

此外，所述判斷步驟具體包括：若連續(xù)多個左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛的上邊緣位置與下邊緣位置之間的絕對差值小于預(yù)設(shè)第一差值，則判斷為疲勞駕駛；

或所述判斷步驟具體包括：計算左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛的上邊緣位置與下邊緣位置之間的眼睛絕對差值，計算眼球的上邊緣位置與下邊緣位置之間的眼球絕對差值，若連續(xù)多個眼球絕對差值與眼睛絕對差值之間的比例小于預(yù)設(shè)比例值，則判斷為疲勞駕駛；

或所述判斷步驟具體包括：若連續(xù)多個左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛為閉合狀態(tài)，則判斷為疲勞駕駛。

此外，所述特征部位為嘴，所述識別特征部位步驟具體包括：對所述人臉圖像中的嘴進(jìn)行識別，得到嘴圖像。

此外，所述判斷步驟具體包括：若連續(xù)多個嘴圖像中嘴的上邊緣位置與下邊緣位置之間的絕對差值大于預(yù)設(shè)第二差值，則判斷為疲勞駕駛；

或所述判斷步驟具體包括：若連續(xù)多個嘴圖像中的嘴為張開狀態(tài)，則判斷為疲勞駕駛。

此外，所述識別特征部位步驟中對所述人臉圖像中的特征部位進(jìn)行識別，具體包括：通過滑窗圖像對所述人臉圖像中的所述特征部位進(jìn)行搜索，識別出所述特征部位。

此外，所述判斷步驟之前還包括樣本訓(xùn)練步驟，包括：對人臉樣本進(jìn)行訓(xùn)練、對非人臉樣本進(jìn)行訓(xùn)練、對眼睛樣本進(jìn)行訓(xùn)練、對非眼睛樣本進(jìn)行訓(xùn)練、對眼睛睜開樣本進(jìn)行訓(xùn)練、對眼睛閉合樣本進(jìn)行訓(xùn)練、對嘴樣本進(jìn)行訓(xùn)練、對非嘴樣本進(jìn)行訓(xùn)練、對嘴張開樣本進(jìn)行訓(xùn)練和/或?qū)ψ扉]合樣本進(jìn)行訓(xùn)練。

此外，所述判斷步驟之后，還包括提示步驟，包括：若判斷為疲勞駕駛，則通過聲音或圖像的方式進(jìn)行提示。

另一方面，本發(fā)明提出一種檢測疲勞駕駛的裝置，包括：

獲取人臉圖像模塊，用于：從拍攝裝置獲取人臉圖像；

識別特征部位模塊，用于：對所述人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像；

判斷模塊，用于：若連續(xù)多個所述特征部位圖像中所述特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛。

采用上述技術(shù)方案，具有以下有益效果：

通過從拍攝裝置獲取人臉圖像，對人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像，若連續(xù)多個特征部位圖像中特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛的方式，能夠準(zhǔn)確的判斷出駕駛員是否為疲勞駕駛，從而提高了駕駛的安全性，使檢測疲勞駕駛的成本降低。

附圖說明

圖1是根據(jù)本發(fā)明一個實施例的檢測疲勞駕駛的方法的流程圖；

圖2是根據(jù)本發(fā)明另一個實施例的獲取的人臉的灰度圖像示意圖；

圖3是根據(jù)本發(fā)明另一個實施例的對人臉進(jìn)行截取后的示意圖；

圖4是根據(jù)本發(fā)明另一個實施例的識別的人眼的示意圖；

圖5是根據(jù)本發(fā)明另一個實施例的檢測疲勞駕駛的方法的流程圖；

圖6是根據(jù)本發(fā)明另一個實施例的檢測疲勞駕駛的裝置的框圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

參照圖1，本發(fā)明提出一種檢測疲勞駕駛的方法，包括：

獲取人臉圖像步驟S001，包括：從拍攝裝置獲取人臉圖像；

識別特征部位步驟S002，包括：對人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像；

判斷步驟S003，包括：若連續(xù)多個特征部位圖像中特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛。

獲取人臉圖像步驟S001中，拍攝裝置為可連續(xù)拍照的裝置，如攝像頭。人臉圖像為駕駛員的人臉圖像，從拍攝裝置連續(xù)的獲取駕駛員的人臉圖像。由安裝在駕駛員前方的攝像頭獲取得到路面的實況圖。

由于駕駛員的座位固定，并且駕駛員需要系安全帶，所以駕駛員的位置基本固定不變，即駕駛員的人臉的位置變化不大，所以可以采用對駕駛員的人臉進(jìn)行識別的方式，判斷駕駛員是否疲勞駕。

識別特征部位步驟S002中，對人臉圖像先進(jìn)行圖像處理，具體如下：

將人臉圖像轉(zhuǎn)換為灰度圖像，圖像庫中的轉(zhuǎn)換函數(shù)為cvCvtColor，然后對灰度圖像進(jìn)行去噪處理，圖像庫中的去噪函數(shù)為cvSmooth。

對灰度圖像中的人臉進(jìn)行粗略檢測，可以采用圖像庫函數(shù)cvHaarDetectObjects對人臉進(jìn)行粗略檢測。

然后，通過訓(xùn)練樣本去除掉非駕駛員的人臉圖像，如訓(xùn)練樣本為model_face，通過model_face去掉非駕駛員的人臉圖像，保留同訓(xùn)練樣本相似度高的人臉圖像。

支持向量機(jī),因其英文名為support vector machine,故一般簡稱SVM。

在機(jī)器學(xué)習(xí)中，支持向量機(jī)（SVM，還支持矢量網(wǎng)絡(luò)）是與相關(guān)的學(xué)習(xí)算法有關(guān)的監(jiān)督學(xué)習(xí)模型，可以分析數(shù)據(jù)，識別模式，用于分類和回歸分析。給定一組訓(xùn)練樣本，每個標(biāo)記為屬于兩類，一個SVM訓(xùn)練算法建立了一個模型，分配新的實例為一類或其他類，使其成為非概率二元線性分類。一個SVM模型的例子，如在空間中的點，映射，使得所述不同的類別的例子是由一個明顯的差距是盡可能寬劃分的表示。新的實施例則映射到相同的空間中，并預(yù)測基于它們落在所述間隙側(cè)上屬于一個類別。

除了進(jìn)行線性分類，支持向量機(jī)可以使用所謂的核技巧，它們的輸入隱含映射成高維特征空間中有效地進(jìn)行非線性分類。

將保留下的人臉圖像中非人臉的部分截取掉，只保留人臉的部分。在其中的一個實施例中，將截取后的人臉圖像縮放到分辨率為100x100，以標(biāo)準(zhǔn)尺寸存儲人臉圖像，方便后續(xù)的特征部位識別，特征部位比較。

在其中的一個實施例中，當(dāng)人臉圖像的光照不均時，可采用歸一化的方法處理，使圖像中不同部位的圖像的亮度差減少，使亮度均勻。

對截取后的人臉圖像進(jìn)行特征部位識別，特征部位包括：眼睛或嘴?？刹捎没八惴▽μ卣鞑课贿M(jìn)行識別。

滑窗算法 （sliding window algorithm）中滑窗的尺寸為12x32，使滑窗在截取后的人臉圖像中進(jìn)行搜索，得到900個滑動窗口，對900個滑動窗口分別進(jìn)行分類，根據(jù)眼睛訓(xùn)練樣本model_eye對分類中的圖像計算得分，得分最高的滑窗為眼睛圖像。根據(jù)右眼睛的眼睛訓(xùn)練樣本得到右眼圖像img_eye_right, 根據(jù)左眼睛的眼睛訓(xùn)練樣本得到左眼圖像img_eye_left。

用眼睛睜開樣本和眼睛閉合樣本model_open_close識別眼睛圖像中的眼睛是睜開還是閉合。

舉例：人臉圖像灰度處理后的灰度圖像如圖2所示，將灰度圖像中非人臉部分去掉，保持人臉部分的圖像如圖3所示，通過滑窗算法識別出的眼睛圖像如圖4所示。

同樣，可以采用嘴訓(xùn)練樣本對嘴進(jìn)行識別。

判斷步驟S003中，若連續(xù)多個特征部位圖像中特征部位的狀態(tài)滿足預(yù)設(shè)條件，則判定為疲勞駕駛。當(dāng)連續(xù)多張人臉圖像中眼睛處于閉合狀態(tài)，那么認(rèn)為疲勞駕駛。

在其中的一個實施例中，檢測截取后人臉圖像中眼睛的輪廓，若判斷眼睛的上邊緣位置與下邊緣位置之間的絕對差值小于預(yù)設(shè)第一差值，則判斷為疲勞駕駛。若連續(xù)多個嘴圖像中嘴的上邊緣位置與下邊緣位置之間的決定差值大于預(yù)設(shè)第二差值，則判斷為疲勞駕駛。

例如，一秒中獲取30幀人臉圖像，那么當(dāng)眼睛閉合的時間持續(xù)達(dá)到3秒鐘，則判斷駕駛員為疲勞駕駛。或當(dāng)檢測到嘴持續(xù)保持張開狀態(tài)3秒，則判斷駕駛員為疲勞駕駛。

在其中的一個實施例中，若人臉圖像發(fā)生畸變，則對人臉圖像進(jìn)行校正處理。若檢測到人臉圖像發(fā)生旋轉(zhuǎn)，則可以通過檢測到的兩只眼睛之間的連線與水平線之間的角度值，來校正圖像，使圖像處于水平。

通過從拍攝裝置獲取人臉圖像，對人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像，若連續(xù)多個特征部位圖像中特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛的方式，能夠準(zhǔn)確的判斷出駕駛員是否為疲勞駕駛，從而提高了駕駛的安全性，使檢測疲勞駕駛的成本降低。

在其中的一個實施例中，識別特征部位步驟中特征部位包括眼睛和/或嘴。通過眼睛的閉合時間判斷駕駛員是否在閉眼睡覺。通過嘴的張開時間判斷駕駛員是否在打哈欠。通過這兩個特征部位能夠準(zhǔn)確的判斷駕駛員是否為疲勞駕駛。

在其中的一個實施例中，特征部位為眼睛，識別特征部位步驟具體包括：對人臉圖像中的眼睛進(jìn)行識別，得到左眼睛圖像、右眼睛圖像或兩只眼睛圖像。通過滑窗算法對人臉圖像中的眼睛進(jìn)行識別。

在其中的一個實施例中，判斷步驟具體包括：若連續(xù)多個左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛的上邊緣位置與下邊緣位置之間的絕對差值小于預(yù)設(shè)第一差值，則判斷為疲勞駕駛；

或判斷步驟具體包括：計算左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛的上邊緣位置與下邊緣位置之間的眼睛絕對差值，計算眼球的上邊緣位置與下邊緣位置之間的眼球絕對差值，若連續(xù)多個眼球絕對差值與眼睛絕對差值之間的比例小于預(yù)設(shè)比例值，則判斷為疲勞駕駛；

或判斷步驟具體包括：若連續(xù)多個左眼睛圖像、右眼睛圖像或兩只眼睛圖像中眼睛為閉合狀態(tài)，則判斷為疲勞駕駛。

采用檢測眼睛的輪廓圖像中眼睛的上邊緣位置與下邊緣位置之間的絕對差值是否小于預(yù)設(shè)第一差值，來判斷駕駛員是否瞇眼或者閉眼，從而判斷駕駛員是否疲勞駕駛。

因為不同人的人眼的大小不同，所以還可以通過判斷眼球絕對差值與眼睛絕對差值之間的比例是否小于預(yù)設(shè)比例值的方式，判斷駕駛員是否為疲勞駕駛。從而解決因為人眼不同，而采用同樣的標(biāo)準(zhǔn)對人眼進(jìn)行判斷帶來的誤判。

采用與眼睛訓(xùn)練樣本匹配的方式，得到眼睛的狀態(tài)，若眼睛為閉合狀態(tài)，則判斷為疲勞駕駛。

在其中的一個實施例中，特征部位為嘴，識別特征部位步驟具體包括：對人臉圖像中的嘴進(jìn)行識別，得到嘴圖像。

在其中的一個實施例中，判斷步驟具體包括：若連續(xù)多個嘴圖像中嘴的上邊緣位置與下邊緣位置之間的絕對差值大于預(yù)設(shè)第二差值，則判斷為疲勞駕駛；

或判斷步驟具體包括：若連續(xù)多個嘴圖像中的嘴為張開狀態(tài)，則判斷為疲勞駕駛。

檢測嘴的輪廓，若嘴的上邊緣位置與下邊緣位置之間的絕對差值大于預(yù)設(shè)第二差值，則判斷為疲勞駕駛。當(dāng)嘴在打哈欠的時候，嘴會持續(xù)張開一段時間，所以通過對嘴的檢測可以準(zhǔn)確判斷駕駛員是否為疲勞駕駛。

在其中的一個實施例中，識別特征部位步驟中對人臉圖像中的特征部位進(jìn)行識別，具體包括：通過滑窗圖像對人臉圖像中的特征部位進(jìn)行搜索，識別出特征部位。通過滑窗圖像配合訓(xùn)練樣本方法，使識別出的特征部位更加準(zhǔn)確。

在其中的一個實施例中，判斷步驟之前還包括樣本訓(xùn)練步驟，包括：對人臉樣本進(jìn)行訓(xùn)練、對非人臉樣本進(jìn)行訓(xùn)練、對眼睛樣本進(jìn)行訓(xùn)練、對非眼睛樣本進(jìn)行訓(xùn)練、對眼睛睜開樣本進(jìn)行訓(xùn)練、對眼睛閉合樣本進(jìn)行訓(xùn)練、對嘴樣本進(jìn)行訓(xùn)練、對非嘴樣本進(jìn)行訓(xùn)練、對嘴張開樣本進(jìn)行訓(xùn)練和/或?qū)ψ扉]合樣本進(jìn)行訓(xùn)練。

在其中的一個實施例中，判斷步驟之后，還包括提示步驟，包括：若判斷為疲勞駕駛，則通過聲音或圖像的方式進(jìn)行提示。通過對駕駛員進(jìn)行提示，使駕駛員可以解除睡意，或者選擇休息后再駕駛，從而可以避免危險駕駛。

參照圖5，說明本發(fā)明一個實施例的流程。

步驟S501，從攝像裝置連續(xù)獲取人臉圖像；

步驟S502，對人臉圖像進(jìn)行灰度處理、去噪聲處理；

步驟S503，將人臉圖像中非人臉部分去掉，只保留人臉部分；

步驟S504，采用滑窗算法，配合訓(xùn)練樣本，對人臉圖像中的特征部位：眼睛和嘴進(jìn)行識別；

步驟S505，判斷眼睛和嘴的狀態(tài)，若持續(xù)3秒鐘眼睛的狀態(tài)為閉合狀態(tài)或嘴的狀態(tài)為張開狀態(tài)，則判斷駕駛員為疲勞駕駛；

步驟S506，通過聲音對駕駛員進(jìn)行提示。

參照圖6，本發(fā)明還提出一種檢測疲勞駕駛的裝置，包括：

獲取人臉圖像模塊601，用于：從拍攝裝置獲取人臉圖像；

識別特征部位模塊602，用于：對人臉圖像中的特征部位進(jìn)行識別，得到特征部位圖像；

判斷模塊603，用于：若連續(xù)多個特征部位圖像中特征部位的特征值滿足預(yù)設(shè)條件，則判定為疲勞駕駛。

以上所描述的裝置實施例僅僅是示意性的，其中所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部模塊來實現(xiàn)本實施例方案的目的。本領(lǐng)域普通技術(shù)人員在不付出創(chuàng)造性的勞動的情況下，即可以理解并實施。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機(jī)軟件產(chǎn)品可以存儲在計算機(jī)可讀存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機(jī)設(shè)備（可以是個人計算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等）執(zhí)行各個實施例或者實施例的某些部分所述的方法。

最后應(yīng)說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進(jìn)行了詳細(xì)的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進(jìn)行修改，或者對其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。