本發(fā)明涉及計(jì)算機(jī)視覺(jué)處理技術(shù)領(lǐng)域，尤其是涉及一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

疲勞檢測(cè)(fatiguedetecting)是通過(guò)監(jiān)測(cè)人體各種疲勞特征,及時(shí)發(fā)現(xiàn)疲勞狀態(tài)并給出預(yù)警信號(hào),涉及到生理學(xué)、心理學(xué)、圖像處理、運(yùn)動(dòng)跟蹤、模式識(shí)別等多個(gè)領(lǐng)域,是一個(gè)復(fù)雜而又同時(shí)兼具理論與現(xiàn)實(shí)價(jià)值的研究課題。在較長(zhǎng)時(shí)間的駕駛過(guò)程中,駕駛?cè)说钠诔潭戎饾u積蓄,由淺入深。假如可以利用技術(shù)手段對(duì)駕駛?cè)说木r狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè),一旦有疲勞跡象出現(xiàn),就即刻發(fā)出預(yù)警,那么安全行車(chē)系數(shù)將會(huì)得到有效的提高。

駕駛?cè)似跔顟B(tài)的檢測(cè)目前有較多研究的方法，按檢測(cè)的類(lèi)別可大致分為基于駕駛?cè)松硇盘?hào)的檢測(cè)、基于駕駛?cè)瞬僮餍袨榈臋z測(cè)、基于車(chē)輛狀態(tài)信息的檢測(cè)和基于駕駛?cè)松矸磻?yīng)特征的檢測(cè)等方法。其中，基于駕駛?cè)松矸磻?yīng)特征的檢測(cè)方法為非接觸式檢測(cè)，利用機(jī)器視覺(jué)來(lái)判斷疲勞，測(cè)量過(guò)程不會(huì)對(duì)駕駛?cè)说恼ｑ{駛行為造成干擾，具有非常大的發(fā)展?jié)摿?。但是現(xiàn)有的檢測(cè)分析人眼狀態(tài)從而實(shí)現(xiàn)駕駛員疲勞狀態(tài)檢測(cè)的方法精確性不夠、實(shí)時(shí)性不強(qiáng)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服上述技術(shù)不足，提出一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法及系統(tǒng)，解決現(xiàn)有技術(shù)中的上述技術(shù)問(wèn)題。

為達(dá)到上述技術(shù)目的，本發(fā)明的技術(shù)方案提供一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，包括：

s1、實(shí)時(shí)獲取駕駛員圖像，并對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取包含人臉的人臉矩形框，獲取人臉矩形框中的眼睛初步矩形范圍圖像以及眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)；

s2、獲取一幀駕駛員圖像的人臉矩形框后，對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，獲取后續(xù)駕駛員圖像的人臉矩形框；

s3、對(duì)于后續(xù)駕駛員圖像的人臉矩形框，根據(jù)眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)，獲取后續(xù)駕駛員圖像的眼睛初步矩形范圍圖像；

s4、對(duì)于s3獲取的眼睛初步矩形范圍圖像先后進(jìn)行裁剪和二值化的預(yù)處理；

s5、對(duì)s4中二值化后的眼睛初步矩形范圍圖像進(jìn)行輪廓查找，并利用矩形擬合精確定位眼睛精確矩形范圍圖像，獲取眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)；

s6、根據(jù)眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)從人臉矩形框中提取非二值化的眼睛精確矩形范圍圖像，并將提取的眼睛精確矩形范圍圖像進(jìn)行二值化后形成睜閉眼判斷圖像，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，通過(guò)垂直投影中黑色與白色像素的比例判斷一幀駕駛員圖像中駕駛員是睜眼還是閉眼；

s7、統(tǒng)計(jì)連續(xù)的駕駛員圖像中駕駛員均處于閉眼狀態(tài)的連續(xù)幀數(shù)，根據(jù)連續(xù)處于閉眼狀態(tài)的幀數(shù)所處范圍判斷駕駛員是眨眼還是眼睛持續(xù)閉合，并計(jì)算眨眼頻率；

s8、如果眨眼頻率處于設(shè)定的正常范圍之外，則判斷駕駛員處于疲勞狀態(tài)，如果駕駛員眼睛持續(xù)閉合，則判斷駕駛員處于疲勞狀態(tài)。

本發(fā)明還提供一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)，包括：

人臉檢測(cè)模塊：實(shí)時(shí)獲取駕駛員圖像，并對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取包含人臉的人臉矩形框，獲取人臉矩形框中的眼睛初步矩形范圍圖像以及眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)；

人臉跟蹤模塊：獲取一幀駕駛員圖像的人臉矩形框后，對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，獲取后續(xù)駕駛員圖像的人臉矩形框；

眼睛初步范圍圖像獲取模塊：對(duì)于后續(xù)駕駛員圖像的人臉矩形框，根據(jù)眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)，獲取后續(xù)駕駛員圖像的眼睛初步矩形范圍圖像；

預(yù)處理模塊：對(duì)于眼睛初步范圍圖像獲取模塊中獲取的眼睛初步矩形范圍圖像先后進(jìn)行裁剪和二值化的預(yù)處理；

眼睛精確范圍圖像獲取模塊：對(duì)預(yù)處理模塊中二值化后的眼睛初步矩形范圍圖像進(jìn)行輪廓查找，并利用矩形擬合精確定位眼睛精確矩形范圍圖像，獲取眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)；

睜眼閉眼判斷模塊：根據(jù)眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)從人臉矩形框中提取非二值化的眼睛精確矩形范圍圖像，并將提取的眼睛精確矩形范圍圖像進(jìn)行二值化后形成睜閉眼判斷圖像，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，通過(guò)垂直投影中黑色與白色像素的比例判斷一幀駕駛員圖像中駕駛員是睜眼還是閉眼；

眨眼持續(xù)閉眼判斷模塊：統(tǒng)計(jì)連續(xù)的駕駛員圖像中駕駛員均處于閉眼狀態(tài)的連續(xù)幀數(shù)，根據(jù)連續(xù)處于閉眼狀態(tài)的幀數(shù)所處范圍判斷駕駛員是眨眼還是眼睛持續(xù)閉合，并計(jì)算眨眼頻率；

疲勞判斷模塊：如果眨眼頻率處于設(shè)定的正常范圍之外，則判斷駕駛員處于疲勞狀態(tài)，如果駕駛員眼睛持續(xù)閉合，則判斷駕駛員處于疲勞狀態(tài)。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果包括：本發(fā)明對(duì)于駕駛員是否戴了眼鏡進(jìn)行檢測(cè)，并根據(jù)是否戴眼鏡對(duì)眼睛初步矩形范圍圖像進(jìn)行不同裁剪，根據(jù)光照強(qiáng)度的不同選擇不同平均灰度閾值對(duì)眼睛初步矩形范圍圖像進(jìn)行二值化，使得本發(fā)明的疲勞檢測(cè)方法更加準(zhǔn)確，魯棒性更高；對(duì)于不同光照條件下都適用，實(shí)時(shí)性更高，檢測(cè)速度更快。

附圖說(shuō)明

圖1是本發(fā)明提供的一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法流程圖；

圖2是本發(fā)明提供的一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)結(jié)構(gòu)框圖；

圖3是本發(fā)明的人臉矩形框和眼睛初步矩形范圍圖像示意圖；

圖4是對(duì)于眼鏡檢測(cè)區(qū)域進(jìn)行邊緣檢測(cè)后的效果圖；

圖5是紅外補(bǔ)光和未開(kāi)啟紅外補(bǔ)光時(shí)睜眼、閉眼的垂直投影過(guò)程示意圖。

附圖中：1、基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)，11、人臉檢測(cè)模塊，12、人臉跟蹤模塊，13、眼睛初步范圍圖像獲取模塊，14、預(yù)處理模塊，15、眼睛精確范圍圖像獲取模塊，16、睜眼閉眼判斷模塊，17、眨眼持續(xù)閉眼判斷模塊，18、疲勞判斷模塊。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供了一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，包括：

s1、實(shí)時(shí)獲取駕駛員圖像，并對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取包含人臉的人臉矩形框，獲取人臉矩形框中的眼睛初步矩形范圍圖像以及眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)；

s2、獲取一幀駕駛員圖像的人臉矩形框后，對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，獲取后續(xù)駕駛員圖像的人臉矩形框；

s3、對(duì)于后續(xù)駕駛員圖像的人臉矩形框，根據(jù)眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)，獲取后續(xù)駕駛員圖像的眼睛初步矩形范圍圖像；

s4、對(duì)于s3獲取的眼睛初步矩形范圍圖像先后進(jìn)行裁剪和二值化的預(yù)處理；

s5、對(duì)s4中二值化后的眼睛初步矩形范圍圖像進(jìn)行輪廓查找，并利用矩形擬合精確定位眼睛精確矩形范圍圖像，獲取眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)；

s6、根據(jù)眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)從人臉矩形框中提取非二值化的眼睛精確矩形范圍圖像，并將提取的眼睛精確矩形范圍圖像進(jìn)行二值化后形成睜閉眼判斷圖像，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，通過(guò)垂直投影中黑色與白色像素的比例判斷一幀駕駛員圖像中駕駛員是睜眼還是閉眼；

s7、統(tǒng)計(jì)連續(xù)的駕駛員圖像中駕駛員均處于閉眼狀態(tài)的連續(xù)幀數(shù)，根據(jù)連續(xù)處于閉眼狀態(tài)的幀數(shù)所處范圍判斷駕駛員是眨眼還是眼睛持續(xù)閉合，并計(jì)算眨眼頻率；

s8、如果眨眼頻率處于設(shè)定的正常范圍之外，則判斷駕駛員處于疲勞狀態(tài)，如果駕駛員眼睛持續(xù)閉合，則判斷駕駛員處于疲勞狀態(tài)。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s1中：

利用帶有紅外補(bǔ)光功能的紅外攝像頭獲取駕駛員圖像，紅外攝像頭設(shè)有光照強(qiáng)度感應(yīng)器，光照強(qiáng)度感應(yīng)器感測(cè)到駕駛室內(nèi)光照強(qiáng)度高于設(shè)定光強(qiáng)閾值時(shí)，不開(kāi)啟紅外補(bǔ)光功能，獲取駕駛員的彩色圖像，光照強(qiáng)度感應(yīng)器感測(cè)到駕駛室內(nèi)光照強(qiáng)度低于設(shè)定光強(qiáng)閾值時(shí)，自動(dòng)開(kāi)啟紅外補(bǔ)光，并獲取駕駛員的紅外黑白圖像，使得在不同光照強(qiáng)度下，均可獲取到清晰駕駛員圖像并做分析處理，適應(yīng)性強(qiáng)，適用性廣。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s1中：

利用adaboost算法訓(xùn)練分類(lèi)器對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取到包含人臉的人臉矩形框，對(duì)獲取到的人臉矩形框內(nèi)部圖像進(jìn)行stasm特征點(diǎn)定位，從而識(shí)別眼睛特征點(diǎn)，獲取大于眼睛特征點(diǎn)范圍的預(yù)設(shè)大小矩形范圍的圖像為眼睛初步矩形范圍圖像；

如圖3所示，眼睛初步矩形范圍圖像為包括眼睛特征點(diǎn)和眉毛特征點(diǎn)的圖像，為眼睛的一個(gè)大致區(qū)域圖像，也就是對(duì)眼睛的一個(gè)初步定位，人臉矩形框中的眼睛初步矩形范圍圖像有兩個(gè)，分別為左眼的眼睛初步矩形范圍圖像和右眼的眼睛初步矩形范圍圖像，左眼和右眼的眼睛初步矩形范圍圖像大小一致，處于同一水平位置。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s2中：

利用kcf(high-speedtrackingwithkernelizedcorrelationfilters)算法對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，對(duì)每一幀駕駛員圖像人臉跟蹤后均產(chǎn)生評(píng)價(jià)指標(biāo)數(shù)據(jù)用以評(píng)估跟蹤效果，當(dāng)評(píng)價(jià)指標(biāo)數(shù)據(jù)低于設(shè)定閾值時(shí)，調(diào)整跟蹤策略；

對(duì)每一幀的駕駛員圖像進(jìn)行kcf人臉跟蹤后均產(chǎn)生一評(píng)價(jià)指標(biāo)數(shù)據(jù)peak_value，peak_value值為0到1的小數(shù)，值越大代表跟蹤結(jié)果的置信度越高，跟蹤效果越好；正臉情況下的peak_value值較大，非正臉(轉(zhuǎn)向、點(diǎn)頭等)情況下的peak_value值較?。会槍?duì)評(píng)價(jià)指標(biāo)數(shù)據(jù)peak_value預(yù)先設(shè)定了一個(gè)固定閾值，當(dāng)評(píng)價(jià)指標(biāo)數(shù)據(jù)大小高于預(yù)設(shè)閾值時(shí)，判斷評(píng)價(jià)指標(biāo)數(shù)據(jù)對(duì)應(yīng)的一幀駕駛員圖像為正臉，當(dāng)評(píng)價(jià)指標(biāo)數(shù)據(jù)大小低于或等于預(yù)設(shè)閾值時(shí)，判斷評(píng)價(jià)指標(biāo)數(shù)據(jù)對(duì)應(yīng)的一幀駕駛員圖像為非正臉；當(dāng)跟蹤的一幀駕駛員圖像為非正臉時(shí)，則不再繼續(xù)進(jìn)行人臉跟蹤，如果繼續(xù)跟蹤，由于非正臉情況下的漂移最為嚴(yán)重，會(huì)導(dǎo)致后續(xù)所有幀的駕駛員圖像人臉跟蹤錯(cuò)誤，此時(shí)應(yīng)該每間隔5幀對(duì)后續(xù)幀駕駛員圖像進(jìn)行人臉檢測(cè)，判斷能否獲取包含人臉的人臉矩形框，如果獲取到了包含人臉的人臉矩形框，說(shuō)明這一幀駕駛員圖像是正臉(非正臉的駕駛員圖像是檢測(cè)不到人臉矩形框的)，開(kāi)始進(jìn)行人臉跟蹤，否則，繼續(xù)間隔5幀對(duì)后續(xù)幀駕駛員圖像進(jìn)行人臉檢測(cè)。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s4中：

判斷駕駛員圖像中駕駛員是否戴有眼鏡，根據(jù)判斷結(jié)果選擇裁剪區(qū)域的大小對(duì)眼睛初步矩形范圍圖像進(jìn)行裁剪，再根據(jù)獲取駕駛員圖像時(shí)光照強(qiáng)度的不同選擇不同平均灰度閾值對(duì)裁剪后的眼睛初步矩形范圍圖像進(jìn)行二值化；

判斷駕駛員圖像中駕駛員是否戴有眼鏡的方法：確定眼鏡檢測(cè)區(qū)域，眼鏡檢測(cè)區(qū)域是以眼睛初步矩形范圍圖像的高度為高度，以人臉矩形框?qū)挾葹閷挾龋坨R檢測(cè)區(qū)域覆蓋左眼和右眼的眼睛初步矩形范圍圖像；確定鏡框檢測(cè)區(qū)域，鏡框檢測(cè)區(qū)域位于眼鏡檢測(cè)區(qū)域內(nèi)，具體的是處于兩眼之間、鼻梁上方，根據(jù)stasm特征點(diǎn)定位可以確定兩眼之間、鼻梁上方的位置從而可以確定鏡框檢測(cè)區(qū)域；

如圖4所示，對(duì)于眼鏡檢測(cè)區(qū)域中的圖像進(jìn)行邊緣檢測(cè)，在沒(méi)有戴眼鏡的情況下，鏡框檢測(cè)區(qū)域幾乎沒(méi)有邊緣信息，在佩戴眼鏡的情況下，鏡框檢測(cè)區(qū)域含有豐富的邊緣信息(不考慮透明的眼鏡架)，因?yàn)榕宕餮坨R時(shí)，兩眼之間、鼻梁上方的鏡框檢測(cè)區(qū)域含有眼鏡架，通過(guò)統(tǒng)計(jì)邊緣檢測(cè)后鏡框檢測(cè)區(qū)域中每一列白色像素的個(gè)數(shù)，若存在連續(xù)的n列白色像素的個(gè)數(shù)都為0，則可以認(rèn)為一幀駕駛員圖像駕駛員沒(méi)戴眼鏡，否則認(rèn)為戴了眼鏡，n要實(shí)際情況選取合適的值。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s4中：

由于左眼的左側(cè)和右眼的右側(cè)容易帶來(lái)光照的影響，左右眼的眼睛初步矩形范圍圖像在裁剪時(shí)要區(qū)別對(duì)待，分別裁掉左眼左側(cè)和右眼右側(cè)的部分區(qū)域，并且在駕駛員佩戴眼鏡時(shí)，擴(kuò)大裁剪范圍，盡量減少鏡框的干擾。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s4中：

平均灰度閾值為裁剪后眼睛初步矩形范圍圖像的平均灰度乘以系數(shù)m，根據(jù)不同的光照強(qiáng)度，決定是否開(kāi)啟紅外補(bǔ)光，從而獲取駕駛員的彩色圖像或者紅外黑白圖像，在駕駛員圖像是彩色或者紅外黑白圖像時(shí)，采用不同的系數(shù)m，從而實(shí)現(xiàn)依據(jù)獲取駕駛員圖像時(shí)光照強(qiáng)度的不同，采用不同的平均灰度閾值對(duì)裁剪后的眼睛初步矩形范圍圖像進(jìn)行二值化；如果眼睛初步矩形范圍圖像的某個(gè)像素點(diǎn)灰度值小于平均灰度閾值時(shí)，設(shè)置該像素點(diǎn)灰度值為255，否則設(shè)置該像素點(diǎn)灰度值為0。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s5中：

由于眼睛初步矩形范圍圖像為包括眼睛特征點(diǎn)和眉毛特征點(diǎn)的圖像，s4中眼睛初步矩形范圍圖像二值化后，由于眼睛和眉毛顏色均深于其他部分，眼睛和眉毛二值化后為白色，其他部分為黑色，對(duì)s4中二值化后的眼睛初步矩形范圍圖像進(jìn)行輪廓查找，找到所有白色的區(qū)域，再根據(jù)眼睛和眉毛的幾何關(guān)系識(shí)別出上面的輪廓是眉毛，下面的輪廓是眼睛，確定眼睛輪廓后，利用矩形擬合來(lái)定位眼睛的精確位置圖像為眼睛精確矩形范圍圖像，獲取眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s6中：

將提取的眼睛精確矩形范圍圖像進(jìn)行二值化后形成睜閉眼判斷圖像，二值化方法是采用平均灰度閾值的方法二值化，平均灰度閾值為提取的眼睛精確矩形范圍圖像的平均灰度乘以系數(shù)m，在駕駛員圖像是彩色或者紅外黑白圖像時(shí)，采用不同的系數(shù)m，如果眼睛精確矩形范圍圖像的某個(gè)像素點(diǎn)灰度值小于平均灰度閾值時(shí)，設(shè)置該像素點(diǎn)灰度值為255，否則設(shè)置該像素點(diǎn)灰度值為0；

如圖5，二值化完成后，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，具體的：如果睜閉眼判斷圖像原來(lái)的駕駛員圖像是彩色圖像，則將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，統(tǒng)計(jì)睜閉眼判斷圖像每一列黑色像素的個(gè)數(shù)，分析各列黑色像素個(gè)數(shù)之間是否發(fā)生突變，如果發(fā)生突變，則認(rèn)為睜閉眼判斷圖像中駕駛員睜眼，否則認(rèn)為駕駛員閉眼；衡量是否發(fā)生突變的方法為：用垂直x軸的4條直線(xiàn)將垂直投影劃等分為5個(gè)區(qū)域，計(jì)算每個(gè)區(qū)域中各列黑色像素個(gè)數(shù)的平均值，計(jì)算5個(gè)平均值兩兩之間的差值，如果存在一差值大于差值閾值，則認(rèn)為各列黑色像素個(gè)數(shù)之間發(fā)生突變，否則認(rèn)為不發(fā)生突變；

如果睜閉眼判斷圖像原來(lái)的駕駛員圖像是紅外圖像，則將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，統(tǒng)計(jì)睜閉眼判斷圖像每一列白色像素的個(gè)數(shù)，如果發(fā)現(xiàn)每一列白色像素的個(gè)數(shù)均為0，則認(rèn)為睜閉眼判斷圖像中駕駛員閉眼，否則認(rèn)為駕駛員睜眼；

如果發(fā)現(xiàn)每一列白色像素的個(gè)數(shù)均為0，則認(rèn)為睜閉眼判斷圖像中駕駛員閉眼的原因是，經(jīng)過(guò)多次試驗(yàn)驗(yàn)證，在紅外環(huán)境下，閉眼時(shí)，眼睛精確矩形范圍圖像二值化后的睜閉眼判斷圖像為全黑，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，睜閉眼判斷圖像每一列白色像素的個(gè)數(shù)均為0。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s7中：

統(tǒng)計(jì)連續(xù)的駕駛員圖像中駕駛員均處于閉眼狀態(tài)的連續(xù)幀數(shù)，并根據(jù)幀數(shù)與時(shí)長(zhǎng)的關(guān)系，例如攝像頭采集駕駛員圖像為60幀/秒，計(jì)算連續(xù)幀數(shù)對(duì)應(yīng)的連續(xù)時(shí)長(zhǎng)，當(dāng)連續(xù)時(shí)長(zhǎng)處于0.2-0.4秒，認(rèn)為駕駛員眨眼，并計(jì)算眨眼頻率，眨眼頻率根據(jù)一段時(shí)長(zhǎng)內(nèi)駕駛員眨眼次數(shù)來(lái)計(jì)算，當(dāng)連續(xù)時(shí)長(zhǎng)超過(guò)2秒，認(rèn)為駕駛員眼睛持續(xù)閉合。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)方法，步驟s8中：

眨眼頻率過(guò)低或者過(guò)高，都表明疲勞程度的加深，眨眼頻率過(guò)低眼睛睜開(kāi)的狀態(tài)持續(xù)時(shí)間較長(zhǎng)，說(shuō)明駕駛員目光呆滯，處于走神的狀態(tài)，預(yù)示疲勞狀態(tài)的顯現(xiàn)；眨眼頻率過(guò)快，說(shuō)明駕駛員眼睛干澀或者在努力使自己保持清醒，表明疲勞狀態(tài)發(fā)生；如果眨眼頻率處于設(shè)定的正常范圍之外，則判斷駕駛員處于疲勞狀態(tài)，如果駕駛員眼睛持續(xù)閉合，則判斷駕駛員處于疲勞狀態(tài)。

本發(fā)明還提供一種基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)1，包括：

人臉檢測(cè)模塊11：實(shí)時(shí)獲取駕駛員圖像，并對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取包含人臉的人臉矩形框，獲取人臉矩形框中的眼睛初步矩形范圍圖像以及眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)；

人臉跟蹤模塊12：獲取一幀駕駛員圖像的人臉矩形框后，對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，獲取后續(xù)駕駛員圖像的人臉矩形框；

眼睛初步范圍圖像獲取模塊13：對(duì)于后續(xù)駕駛員圖像的人臉矩形框，根據(jù)眼睛初步矩形范圍圖像在人臉矩形框中的坐標(biāo)，獲取后續(xù)駕駛員圖像的眼睛初步矩形范圍圖像；

預(yù)處理模塊14：對(duì)于眼睛初步范圍圖像獲取模塊中獲取的眼睛初步矩形范圍圖像先后進(jìn)行裁剪和二值化的預(yù)處理；

眼睛精確范圍圖像獲取模塊15：對(duì)預(yù)處理模塊中二值化后的眼睛初步矩形范圍圖像進(jìn)行輪廓查找，并利用矩形擬合精確定位眼睛精確矩形范圍圖像，獲取眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)；

睜眼閉眼判斷模塊16：根據(jù)眼睛精確矩形范圍圖像在人臉矩形框中的坐標(biāo)從人臉矩形框中提取非二值化的眼睛精確矩形范圍圖像，并將提取的眼睛精確矩形范圍圖像進(jìn)行二值化后形成睜閉眼判斷圖像，將睜閉眼判斷圖像向x軸進(jìn)行垂直投影，通過(guò)垂直投影中黑色與白色像素的比例判斷一幀駕駛員圖像中駕駛員是睜眼還是閉眼；

眨眼持續(xù)閉眼判斷模塊17：統(tǒng)計(jì)連續(xù)的駕駛員圖像中駕駛員均處于閉眼狀態(tài)的連續(xù)幀數(shù)，根據(jù)連續(xù)處于閉眼狀態(tài)的幀數(shù)所處范圍判斷駕駛員是眨眼還是眼睛持續(xù)閉合，并計(jì)算眨眼頻率；

疲勞判斷模塊18：如果眨眼頻率處于設(shè)定的正常范圍之外，則判斷駕駛員處于疲勞狀態(tài)，如果駕駛員眼睛持續(xù)閉合，則判斷駕駛員處于疲勞狀態(tài)。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)1，人臉檢測(cè)模塊11中：

利用帶有紅外補(bǔ)光功能的紅外攝像頭獲取駕駛員圖像，駕駛室內(nèi)光照強(qiáng)度高于設(shè)定光強(qiáng)閾值時(shí)，獲取駕駛員的彩色圖像，駕駛室內(nèi)光照強(qiáng)度低于設(shè)定光強(qiáng)閾值時(shí)，開(kāi)啟紅外補(bǔ)光，并獲取駕駛員的紅外黑白圖像。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)1，人臉檢測(cè)模塊11中：

利用adaboost算法訓(xùn)練分類(lèi)器對(duì)駕駛員圖像進(jìn)行人臉檢測(cè)，獲取到包含人臉的人臉矩形框，對(duì)獲取到的人臉矩形框內(nèi)部圖像進(jìn)行stasm特征點(diǎn)定位，從而識(shí)別眼睛特征點(diǎn)，獲取大于眼睛特征點(diǎn)范圍的預(yù)設(shè)大小矩形范圍的圖像為眼睛初步矩形范圍圖像。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)1，人臉跟蹤模塊12中：

利用kcf算法對(duì)于后續(xù)駕駛員圖像進(jìn)行人臉跟蹤，對(duì)每一幀駕駛員圖像人臉跟蹤后均產(chǎn)生評(píng)價(jià)指標(biāo)數(shù)據(jù)用以評(píng)估跟蹤效果，當(dāng)評(píng)價(jià)指標(biāo)數(shù)據(jù)低于設(shè)定閾值時(shí)，調(diào)整跟蹤策略。

本發(fā)明所述的基于人眼狀態(tài)的駕駛員疲勞檢測(cè)系統(tǒng)1，預(yù)處理模塊14中：

判斷駕駛員圖像中駕駛員是否戴有眼鏡，根據(jù)判斷結(jié)果選擇裁剪區(qū)域的大小對(duì)眼睛初步矩形范圍圖像進(jìn)行裁剪，再根據(jù)獲取駕駛員圖像時(shí)光照強(qiáng)度的不同選擇不同平均灰度閾值對(duì)裁剪后的眼睛初步矩形范圍圖像進(jìn)行二值化。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果包括：本發(fā)明對(duì)于駕駛員是否戴了眼鏡進(jìn)行檢測(cè)，并根據(jù)是否戴眼鏡對(duì)眼睛初步矩形范圍圖像進(jìn)行不同裁剪，根據(jù)光照強(qiáng)度的不同選擇不同平均灰度閾值對(duì)眼睛初步矩形范圍圖像進(jìn)行二值化，使得本發(fā)明的疲勞檢測(cè)方法更加準(zhǔn)確，魯棒性更高；對(duì)于不同光照條件下都適用，實(shí)時(shí)性更高，檢測(cè)速度更快；本發(fā)明相比于其它使用眼睛區(qū)域內(nèi)黑色像素的個(gè)數(shù)或者利用眼部擬合橢圓的寬高比來(lái)判斷眨眼的方法具有更高的準(zhǔn)確率和魯棒性。

以上所述本發(fā)明的具體實(shí)施方式，并不構(gòu)成對(duì)本發(fā)明保護(hù)范圍的限定。任何根據(jù)本發(fā)明的技術(shù)構(gòu)思所做出的各種其他相應(yīng)的改變與變形，均應(yīng)包含在本發(fā)明權(quán)利要求的保護(hù)范圍內(nèi)。