本發(fā)明涉及汽車安全輔助領(lǐng)域，具體涉及一種基于移動(dòng)智能手機(jī)的駕駛員疲勞檢測(cè)系統(tǒng)。

背景技術(shù)：

相關(guān)技術(shù)中，駕駛員疲勞檢測(cè)方案一是依靠檢測(cè)生理信號(hào)，如電波、眨眼頻率、心率、脈搏頻率以及皮膚電壓等變化。此方案準(zhǔn)確較好，但實(shí)際中無法使用方便的設(shè)備采集到這些信息。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問題，本發(fā)明提供一種基于移動(dòng)智能手機(jī)的駕駛員疲勞檢測(cè)系統(tǒng)。

本發(fā)明的目的采用以下技術(shù)方案來實(shí)現(xiàn)：

提供了一種基于移動(dòng)智能手機(jī)的駕駛員疲勞檢測(cè)系統(tǒng)，包括圖像采集模塊、圖像濾波模塊、眼睛區(qū)域檢測(cè)模塊、眼睛特征提取模塊、疲勞判斷模塊、報(bào)警模塊；所述圖像采集模塊包括移動(dòng)智能手機(jī)的攝像頭，用于對(duì)駕駛員人臉及眼睛的圖像進(jìn)行采集；所述圖像濾波模塊用于對(duì)采集的人臉及眼睛的圖像進(jìn)行濾波處理，去除圖像噪聲；所述眼睛區(qū)域檢測(cè)模塊用于對(duì)人臉及眼睛的圖像進(jìn)行處理，獲取眼睛區(qū)域；所述眼睛特征提取模塊用于提取眼睛的瞳孔開度特征參數(shù)；所述疲勞判斷模塊依據(jù)瞳孔開度與眼睛大小的百分比，判斷駕駛員是否為疲勞駕駛，并輸出判斷結(jié)果；所述報(bào)警模塊在判斷結(jié)果為屬于疲勞駕駛是進(jìn)行語(yǔ)音報(bào)警。

本發(fā)明的有益效果為：可以基于移動(dòng)設(shè)備實(shí)現(xiàn)，基于手機(jī)上的攝像頭對(duì)人臉及眼睛的檢測(cè)，實(shí)現(xiàn)駕駛員疲勞檢測(cè)，實(shí)用便捷。

附圖說明

利用附圖對(duì)本發(fā)明作進(jìn)一步說明，但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制，對(duì)于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1本發(fā)明的框圖示意圖；

圖2是本發(fā)明圖像濾波模塊的框圖示意圖。

附圖標(biāo)記：

圖像采集模塊1、圖像濾波模塊2、眼睛區(qū)域檢測(cè)模塊3、眼睛特征提取模塊4、疲勞判斷模塊5、報(bào)警模塊6、噪聲點(diǎn)檢測(cè)單元10、濾波單元20。

具體實(shí)施方式

結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

參見圖1，本實(shí)施例提供的基于移動(dòng)智能手機(jī)的駕駛員疲勞檢測(cè)系統(tǒng)，包括圖像采集模塊1、圖像濾波模塊2、眼睛區(qū)域檢測(cè)模塊3、眼睛特征提取模塊4、疲勞判斷模塊5、報(bào)警模塊6；所述圖像采集模塊1包括移動(dòng)智能手機(jī)的攝像頭，用于對(duì)駕駛員人臉及眼睛的圖像進(jìn)行采集；所述圖像濾波模塊2用于對(duì)采集的人臉及眼睛的圖像進(jìn)行濾波處理，去除圖像噪聲；所述眼睛區(qū)域檢測(cè)模塊3用于對(duì)人臉及眼睛的圖像進(jìn)行處理，獲取眼睛區(qū)域；所述眼睛特征提取模塊4用于提取眼睛的瞳孔開度特征參數(shù)；所述疲勞判斷模塊5依據(jù)瞳孔開度與眼睛大小的百分比，判斷駕駛員是否為疲勞駕駛，并輸出判斷結(jié)果；所述報(bào)警模塊6在判斷結(jié)果為屬于疲勞駕駛是進(jìn)行語(yǔ)音報(bào)警。

優(yōu)選地，用于疲勞判定的眼睛特征參數(shù)為瞳孔開度占眼睛大小的百分比，將預(yù)設(shè)時(shí)間內(nèi)的圖像按眼睛區(qū)域所占像素個(gè)數(shù)的百分比由多到少排列，取所述百分比的前4％的圖像，將所述眼睛區(qū)域像素?cái)?shù)的平均值視為張開時(shí)眼睛的大小，所述眼睛區(qū)域的瞳孔開度則為眼睛區(qū)域檢測(cè)模塊3對(duì)當(dāng)前眼睛區(qū)域的檢測(cè)的像素值。

優(yōu)選地，所述疲勞判斷模塊5定義眼睛瞳孔開度占眼睛大小的百分比大于15％為眼睛睜開，等于或者小于15％為眼睛閉合，疲勞檢測(cè)采用perclos方法，根據(jù)perclos方法，當(dāng)在連續(xù)2～5秒時(shí)間內(nèi)檢測(cè)到眼睛閉合的時(shí)間超過3秒時(shí)判定為疲勞。

本發(fā)明上述實(shí)施例可以基于移動(dòng)設(shè)備實(shí)現(xiàn)，基于手機(jī)上的攝像頭對(duì)人臉及眼睛的檢測(cè)，實(shí)現(xiàn)駕駛員疲勞檢測(cè)，實(shí)用便捷。

優(yōu)選地，如圖2所示，所述圖像濾波模塊2包括噪聲點(diǎn)檢測(cè)單元10和濾波單元20，所述噪聲點(diǎn)檢測(cè)單元10用于確定人臉及眼睛的圖像的噪聲點(diǎn)；所述濾波單元20用于對(duì)檢測(cè)出的噪聲點(diǎn)進(jìn)行濾波，具體包括：

(1)以人臉及眼睛的圖像的噪聲點(diǎn)(i′,j′)為中心，設(shè)置7×7的矩形窗口對(duì)噪聲點(diǎn)(i′,j′)進(jìn)行濾波，對(duì)7×7的矩形窗口進(jìn)行區(qū)域劃分如下：

ψ1(i′,j′)＝[q(i′-x,j′-y)；-1≤x≤1,-1≤y≤1]

ψ2(i′,j′)＝[q(i′-x,j′-y)；-2≤x≤2,-2≤y≤2]

ψ3(i′,j′)＝[q(i′-x,j′-y)；-3≤x≤3,-3≤y≤3]

ψ4(i′,j′)＝[q(i′,j′-x)；-3≤x≤3]

ψ5(i′,j′)＝[q(i′-x,j′)；-3≤x≤3]

ψ6(i′,j′)＝[q(i′+x,j′-x)；-3≤x≤3]

ψ7(i′,j′)＝[q(i′-x,j′-x)；-3≤x≤3]

(2)對(duì)人臉及眼睛的圖像的噪聲點(diǎn)(i′,j′)按照下述濾波公式進(jìn)行濾波：

式中，q(i′,j′)表示對(duì)噪聲點(diǎn)(i′,j′)進(jìn)行濾波后噪聲點(diǎn)(i′,j′)的灰度值，max[ψk(i′,j′)]為7×7的矩形窗口的第k個(gè)區(qū)域中的最大灰度值，min[ψk(i′,′)]為7×7的矩形窗口的第k個(gè)區(qū)域中的最小灰度值，mid[ψk(i′,j′)]為7×7的矩形窗口的第k個(gè)區(qū)域中的中間灰度值；ξ1、ξ2為設(shè)定的調(diào)整因子，ξ1+ξ2＝1。

一方面，相對(duì)于傳統(tǒng)的濾波算法，本優(yōu)選實(shí)施例在進(jìn)行濾波時(shí)，先檢測(cè)出人臉及眼睛的圖像的噪聲點(diǎn)，再對(duì)噪聲點(diǎn)進(jìn)行濾波處理，能夠提高濾波處理的效率；

另一方面，本優(yōu)選實(shí)施例定義了濾波公式，采用該濾波公式對(duì)人臉及眼睛的圖像的噪聲點(diǎn)進(jìn)行濾波處理，能夠較快速地消除人臉及眼睛的圖像的噪聲，并且保留更多的細(xì)節(jié)特征，有利于獲得更好的人臉及眼睛的圖像的濾波效果，便于駕駛員的后續(xù)疲勞檢測(cè)。

優(yōu)選地，若人臉及眼睛的圖像中的像素點(diǎn)(i,j)滿足下述公式，則該將該像素點(diǎn)(i,j)確定為噪聲點(diǎn)：

式中，ψ(i,j)表示像素點(diǎn)(i,j)的通道值，ψη(i,j)表示像素點(diǎn)(i,j)的鄰近3x3區(qū)域內(nèi)的第η個(gè)像素點(diǎn)的通道值，t為設(shè)定閾值。

本優(yōu)選實(shí)施例中，根據(jù)像素點(diǎn)與其鄰域像素點(diǎn)通道值的關(guān)系，定義了人臉及眼睛的圖像的噪聲點(diǎn)檢測(cè)公式，提高了人臉及眼睛的圖像中噪聲點(diǎn)檢測(cè)的速度，從而保障了對(duì)人臉及眼睛的圖像的濾波處理速度。

優(yōu)選地，所述對(duì)人臉及眼睛的圖像進(jìn)行處理，獲取眼睛區(qū)域，具體包括：

(1)對(duì)sobel邊緣檢測(cè)算法中0°、45°、90°、135°四個(gè)方向的模板進(jìn)行改進(jìn)，定義對(duì)應(yīng)的0°卷積因子l1、45°卷積因子l2、90°卷積因子l3、135°卷積因子l4為：

(2)采用所述的0°卷積因子l1、45°卷積因子l2、90°卷積因子l3、135°卷積因子l4對(duì)濾波后的人臉及眼睛的圖像進(jìn)行卷積運(yùn)算，得到對(duì)應(yīng)于各卷積因子的偏微分的一階近似uλ(i,j),λ＝1,2,3,4，計(jì)算人臉及眼睛的圖像中各像素的梯度值，定義梯度值的計(jì)算公式為：

式中，p(i,j)表示人臉及眼睛的圖像中像素點(diǎn)(i,j)的梯度值，uλ(i,j)為對(duì)應(yīng)于卷積因子lλ(λ＝1,2,3,4)的偏微分的一階近似；

(3)將各個(gè)像素點(diǎn)的梯度值與設(shè)定的閾值進(jìn)行比較，若像素點(diǎn)的梯度值大于設(shè)定的閾值，將該像素點(diǎn)視為邊緣點(diǎn)，否則視為背景點(diǎn)，最終輸出眼睛候選區(qū)域；利用5×5的結(jié)構(gòu)單元對(duì)眼睛候選區(qū)域進(jìn)行腐蝕運(yùn)算，利用14×7的結(jié)構(gòu)單元對(duì)眼睛候選區(qū)域進(jìn)行閉運(yùn)算處理，以將眼睛候選區(qū)域變成連通的眼睛區(qū)域。

本優(yōu)選實(shí)施例基于傳統(tǒng)sobel邊緣檢測(cè)算法，增加了傾斜方向的模板，并改進(jìn)卷積因子的權(quán)重分配，能夠均衡各個(gè)方向的邊緣檢測(cè)的敏感度，更好地對(duì)人臉及眼睛的圖像進(jìn)行邊緣檢測(cè)；另外，利用定義的人臉及眼睛的圖像的像素梯度值的計(jì)算公式來計(jì)算人臉及眼睛的圖像的像素梯度值，能夠進(jìn)一步提高邊緣檢測(cè)處理的抗噪能力，改善對(duì)人臉及眼睛的圖像進(jìn)行邊緣檢測(cè)的速度，并且能夠獲得更細(xì)膩、更連續(xù)的邊緣細(xì)節(jié)；對(duì)邊緣檢測(cè)處理得到的眼睛候選區(qū)域進(jìn)一步進(jìn)行腐蝕和閉運(yùn)算，能夠獲得更高精度的眼睛區(qū)域，便于眼睛特征參數(shù)的提取，使得本優(yōu)選實(shí)施例的駕駛員疲勞檢測(cè)系統(tǒng)更精確，檢測(cè)速度更快。

最后應(yīng)當(dāng)說明的是，以上實(shí)施例僅用以說明本發(fā)明的技術(shù)方案，而非對(duì)本發(fā)明保護(hù)范圍的限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。