熊猫科技 · 以技术创新驱动运动科学发展
实时检测疲劳并提醒的方法
【专利摘要】本发明涉及检测疲劳【技术领域】，是一种实时检测疲劳并提醒的方法，其按照以下步骤进行：采集被监测者的图像信息；对采集到的图像信息进行实时人脸检测；对检测到的人脸进行初始点标定；利用人脸部SIFT特征提取得到下一步线性回归参数；把标定的初始点利用线性回归参数定位到人脸特征点；通过人脸特征点的位置分析人眼与嘴巴的闭合状态；根据人眼与嘴巴的闭合状态来判断被监测者是否处于疲劳状态，若被检测者未处于疲劳状态，则重新采集被检测者的图像信息，若被检测者处于疲劳状态，则做出疲劳预警提示。本发明在机器视觉基础上利用人脸部特征，能实时、准确、有效地对处于疲劳、精神涣散、反应迟钝的人员进行预警，降低了疲劳工作的风险。
[0001]本发明涉及检测疲劳【技术领域】，是一种实时检测疲劳并提醒的方法。
[0002]疲劳驾驶是当今交通安全的重要隐患之一。驾驶人在疲劳时，其对周围环境的感知能力、形势判断能力和对车辆的操控能力都有不同程度的下降，因此很容易发生交通事故。与此同时，疲劳也是安全生产的巨大隐患，疲劳状态下进行生产操作极其容易发生生产事故。因此研究开发高性能的疲劳状态实时监测及预警的方法意义重大。目前疲劳检测的研究分为主观和客观两种方法，主观的研究方法有主观调查表、自我记录、睡眠习惯调查表、斯坦福睡眠尺度表四种。客观的方法有脑电图、眼电图、肌电图、呼吸气流、呼吸效果、动脉血液氧饱和时的温度和心电图等测量方法。尽管这些方法是比较准确的，但是由于这些方法一般是超前或滞后的，非实时的。因此不能实时监测，导致无法提醒驾驶人从疲劳状态出来而导致交通事故的发生。
[0003]本发明提供了一种实时检测疲劳并提醒的方法，克服了上述现有技术之不足，其能有效解决现有疲劳驾驶的研究方法不能提醒驾驶人从疲劳状态出来而导致交通事故发生的问题。
[0004]本发明的技术方案是通过以下措施来实现的:一种实时检测疲劳并提醒的方法，按照以下步骤进行:
步骤104，利用人脸部SIFT特征提取得到下一步线，把标定的初始点利用线性回归参数定位到人脸特征点；
步骤107，根据人眼与嘴巴的闭合状态来判断被监测者是否处于疲劳状态，若被检测者未处于疲劳状态，则重复步骤101，若被检测者处于疲劳状态，则进行步骤108 ；
上述在步骤101中，通过摄像头对被监测者的人脸进行捕捉，实时获取视频数据，并把视频数据输送到中央处理器。
[0006]上述在步骤102中，使用AdaBoost算法检测出被检测者的人脸位置。
[0007]上述在步骤105中，把初始点定位到用摄像头检测到的人脸特征点，利用线性回归参数，经过反复迭代，使初始点收敛于人脸特征点，从而得到线中，利用真实的人脸特征点位置判断人眼与嘴巴的闭合状态，具体为:采用几何方法提取双眼、鼻子、嘴巴相互之间的距离、角度的几何特征，用于描述头部中心的位置，依据眼部特征点位置信息，提取反映双眼上下眼睑距离和曲率的几何特征，用于描述眼睛的状态；依据嘴巴特征点位置信息，提取反映嘴巴宽度和高度的几何特征，用于描述嘴巴的状态。
[0009]上述在步骤107中，利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率来判断被监测者是否处于疲劳状态。
[0010]本发明提供的实时检测疲劳并提醒的方法，在机器视觉的基础上，合理地利用人脸部特征，找到一种实时并准确有效地对处于疲劳、精神涣散、反应迟钝的人员进行预警的方法，不但降低了疲劳工作的风险减少人员和财产损失，也为疲劳检测这一领域提供了技术支持。
[0012]本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
步骤101，采集被监测者的图像信息。主要通过高清摄像头来实现被监测者的人脸捕捉功能，从摄像头处实时的获取视频数据流，并把视频数据流送到中央处理器进行后续的处理。
[0014]步骤102，对采集到的图像信息进行实时人脸检测。对采集到的视频数据流进行主动学习，判断出该帧中是否存在人脸。本发明采用基于统计学习的人脸检测方法，其实质是采用统计分析与机器学习的方法归纳出人脸样本与非人脸样本各自的统计特征，再构建区分各自特征的分类器，用分类器实现人脸定位检测。具体使用AdaBoost算法检测出人脸位置。
[0015]步骤103,对检测到的人脸进行初始点标定。初始点的标定通过训练标记点得到。具体是使用一个标准人脸库，把人脸库中每一张人脸图片，对于我们需要的点(如脸部、目艮睛、嘴巴、鼻子等轮廓)进行标定，然后对每一张标定好的人脸样本进行训练，从而得到所需要的标准平均人脸样本。
[0016]步骤104，利用人脸部SIFT特征提取得到下一步线性回归参数。对每一个样本点进行SIFT特征提取，然后经过训练得到下一步需要的人脸线，把标定的初始点利用线性回归参数定位到人脸特征点。根据训练完成的标准平均人脸样本，把初始点定位到用摄像头检测到的人脸特征点(特征点为估计点)，利用线性回归(由上一步SIFT特征提取得到线性回归参数)，采用一定的收敛准则，经过反复迭代，尽可能的使初始点收敛于人脸特征点(估计点)，从而得到近似于真实的人脸特征点(特征点为定位后的近似值)。
[0018]步骤106，通过人脸特征点的位置分析人眼与嘴巴的闭合状态。利用此特征点位置判断人眼与嘴巴的闭合状态，采用几何方法提取双眼、鼻子、嘴巴相互之间的距离、角度等几何特征，用于描述头部的位置。依据眼部特征点位置信息，提取反映双眼上下眼睑距离和曲率的几何特征，用于描述眼睛的状态。嘴巴状态检测亦如此。
[0019]步骤107，根据人眼与嘴巴的闭合状态来判断被监测者是否处于疲劳状态，若被检测者未处于疲劳状态，则重复步骤101，若被检测者处于疲劳状态，则进行步骤108 ;步骤108，做出疲劳预警提示。
[0020]利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率等相关判别准则相结合来判断被监测者是否处于疲劳状态。PERCL0S是指眼睛闭合时间占一定时间的百分率。被监测者眼睛闭合的时间越长，疲劳程度就越严重。AECS是测量眼皮闭上的平均速度，非疲劳时人正常闭眼所需时间远大于疲劳情况下闭眼需要时间。此外，在被监测者走神时，目光呆滞，眼睛通常处于睁开状态，此时PERCL0S值较低，如果眨眼频率过低，说明被监测者眼睛状态异常，需要引起注意或报警。最后人在疲劳时打哈欠的次数会增多，在一段时间内，打哈欠的次数超过预定阈值，则认为是疲劳，可进行声光报警提醒。
[0021]本实施例提供的实时检测疲劳并提醒的方法，在机器视觉的基础上，合理地利用人脸部特征，找到一种实时并准确有效地对处于疲劳、精神涣散、反应迟钝的人员进行预警的方法，不但降低了疲劳工作的风险减少人员和财产损失，也为疲劳检测这一领域提供了技术支持。
[0022]以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
1.一种实时检测疲劳并提醒的方法，其特征在于按照以下步骤进行:步骤101，采集被监测者的图像信息；步骤102，对采集到的图像信息进行实时人脸检测；步骤103，对检测到的人脸进行初始点标定；步骤104，利用人脸部SIFT特征提取得到下一步线，把标定的初始点利用线性回归参数定位到人脸特征点；步骤106，通过人脸特征点的位置分析人眼与嘴巴的闭合状态；步骤107，根据人眼与嘴巴的闭合状态来判断被监测者是否处于疲劳状态，若被检测者未处于疲劳状态，则重复步骤101，若被检测者处于疲劳状态，则进行步骤108 ；步骤108，做出疲劳预警提示。
2.根据权利要求1所述的实时检测疲劳并提醒的方法，其特征在于在步骤101中，通过摄像头对被监测者的人脸进行捕捉，实时获取视频数据，并把视频数据输送到中央处理器。
3.根据权利要求2所述的实时检测疲劳并提醒的方法，其特征在于在步骤102中，使用AdaBoost算法检测出被检测者的人脸位置。
4.根据权利要求1或2或3所述的实时检测疲劳并提醒的方法，其特征在于在步骤105中，把初始点定位到用摄像头检测到的人脸特征点，利用线性回归参数，经过反复迭代，使初始点收敛于人脸特征点，从而得到线所述的实时检测疲劳并提醒的方法，其特征在于在步骤106中，利用真实的人脸特征点位置判断人眼与嘴巴的闭合状态，具体为:采用几何方法提取双目艮、鼻子、嘴巴相互之间的距离、角度的几何特征，用于描述头部中心的位置，依据眼部特征点位置信息，提取反映双眼上下眼睑距离和曲率的几何特征，用于描述眼睛的状态；依据嘴巴特征点位置信息，提取反映嘴巴宽度和高度的几何特征，用于描述嘴巴的状态。
6.根据权利要求4所述的实时检测疲劳并提醒的方法，其特征在于在步骤106中，利用真实的人脸特征点位置判断人眼与嘴巴的闭合状态，采用几何方法提取双眼、鼻子、嘴巴相互之间的距离、角度的几何特征，用于描述头部的位置，依据眼部特征点位置信息，提取反映双眼上下眼睑距离和曲率的几何特征，用于描述眼睛的状态；依据嘴巴特征点位置信息，提取反映嘴巴宽度和高度的几何特征，用于描述嘴巴的状态。
7.根据权利要求1或2或3所述的实时检测疲劳并提醒的方法，其特征在于在步骤107中，利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率来判断被监测者是否处于疲劳状态。
8.根据权利要求4所述的实时检测疲劳并提醒的方法，其特征在于在步骤107中，利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率来判断被监测者是否处于疲劳状态。
9.根据权利要求5所述的实时检测疲劳并提醒的方法，其特征在于在步骤107中，利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率来判断被监测者是否处于疲劳状态。
10.根据权利要求6所述的实时检测疲劳并提醒的方法，其特征在于在步骤107中，利用PERCL0S原理、AECS原理、眨眼频率、哈欠频率来判断被监测者是否处于疲劳状态。
扫一扫关注微信公众号
