CN102013013B - 疲劳驾驶监测方法 - Google Patents
疲劳驾驶监测方法 Download PDFInfo
- Publication number
- CN102013013B CN102013013B CN2010106025466A CN201010602546A CN102013013B CN 102013013 B CN102013013 B CN 102013013B CN 2010106025466 A CN2010106025466 A CN 2010106025466A CN 201010602546 A CN201010602546 A CN 201010602546A CN 102013013 B CN102013013 B CN 102013013B
- Authority
- CN
- China
- Prior art keywords
- image
- sorter
- driver
- grasps
- camera
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种疲劳驾驶监测方法,该方法包括如下步骤:A、摄像头抓取图像,并将所抓取的图像经过监测仪中的分类器进行过滤,通过分类器后的图像为眼睛图像;B、分析过滤后的眼睛图像,找到眼球在设定时间内上、下两点的最大距离L1;C、对驾驶员眼球进行监测并计算驾驶员眼球在设定时间内上、下两点的距离L2与最大距离L1之间的差值,若该差值超过设定的范围,则进行报警处理。本发明所述监测方法的准确性更高。
Description
技术领域
本发明涉及一种疲劳驾驶监测方法。
背景技术
在全球范围内,司机的疲劳驾驶已成为导致交通安全事故的重要原因之一。交通事故给国家造成巨大的经济损失和人员伤亡,增加了社会不安定因素。
目前大量采用的疲劳驾驶监测仪主要是接触式,通过检测驾驶员的生理信号来监测驾驶员的疲劳状态,比如在头部贴放电极监测脑电信号或心电信号等,这种监测方式容易受到外界环境的干扰,且不同驾驶员之间的差异也会影响监测结果,导致监测效率不高。同时与驾驶员的身体相接触而影响到驾驶员的行为,实时性不高,并且导致报警延时,制约了其推广和应用。
对于目前采用的非接触式技术,大都是通过对摄像头采集驾驶员的面部图像信息进行处理,判断驾驶员是否出现疲劳的特征,而对图像处理的技术都是单纯的依赖于训练(如Adaboost训练方法)得到的特征(如Haar特征)进行目标识别,其监测效率不高,误检的概率很大。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种疲劳驾驶监测方法,本发明克服现有技术的缺陷,监测的准确性更高。
其技术方案如下。
一种疲劳驾驶监测方法,该方法包括如下步骤:A、摄像头抓取图像,并将所抓取的图像经过监测仪中的分类器进行过滤,通过分类器后的图像为眼睛图像;B、分析过滤后的眼睛图像,找到眼球在设定时间内上、下两点的最大距离L1;C、对驾驶员眼球进行监测并计算驾驶员眼球在设定时间内上、下两点的距离L2与最大距离L1之间的差值,若该差值超过设定的范围,则进行报警处理。
前述技术方案进一步细化的技术方案可以是。
所述分类器至少包括第一级分类器及第二级分类器,在所述A步骤中,摄像头抓取图像后,先经第一级分类器进行过滤,通过第一级分类器后的图像再经过第二级分类器进行过滤。
在所述A步骤中,摄像头抓取图像后,经分类器进行过滤,通过分类器后的图像为人脸图像,再在人脸图像中抓取眼睛图像。
还包括至少三个视角检测器,各视角检测器的检测角度范围不同,在所述A步骤中,摄像头所抓取的图像由各视角检测器进行检测,若所抓取的图像通过相应的视角检测器,则由该视角检测器所检测的角度范围来确定驾驶员脸部所偏离的角度范围,若驾驶员脸部所偏离的角度范围超过设定的角度范围,则进行报警处理。
在所述A步骤中,摄像头抓取图像后,经分类器进行过滤,若该图像通过分类器,再将该图像中的肤色信息与设定的肤色信息进行对比,若符合,则判定为人脸图像,若不符合,则判定为非人脸图像。
综上所述,本发明的优点是。
1、通过分析眼睛图像中,眼球的上、下两点的距离来判定驾驶员是否疲劳,如驾驶员疲劳,其眼球被眼睑挡住,眼球上、下两点之间的距离会变小,若眼球上、下两点之间的距离缩小超过一定范围,则进行报警处理,避免出现交通事故,监测的准确性更高。
2、摄像头抓取头像后,通过多级分类器进行过滤,每一级分类器中可以包含一个或多个特征,经过第一级分类器后,若图像被过滤,则认定该图像不是目标图像,若图像通过第一级分类器,则该图像再经过第二级分类器(甚至第三级分类器、第四级分类器…),通过所有分类器后的图像即为目标图像,通过多级分类器进行过滤,监测速度快,精度高。
3、在抓取图像的过程中,先抓取脸部图像,再缩小范围,在脸部图像中抓取眼睛图像,以提高抓取图像的速度。
4、进一步,在对驾驶员进行监测的过程中,还对驾驶员头部偏离的角度进行监测,以驾驶员头部朝向正前方时为0度(即基准角度),若驾驶员的头部偏离基准角度超过设定范围,此时驾驶员的视线极有可能已偏离正前方,会对驾驶安全带来危害,此时进行报警处理,进一步提高监测的可靠性及安全性。
附图说明
图1是驾驶员在正常状态下眼球的状态图。
图2是驾驶员在疲劳状态下眼球的状态图。
具体实施方式
下面结合附图对本发明的实施例进行详细说明。
一种疲劳驾驶监测方法,该方法包括如下步骤:A、摄像头抓取图像,并将所抓取的图像经过监测仪中的分类器进行过滤,通过分类器后的图像为眼睛图像;B、分析过滤后的眼睛图像,找到眼球在设定时间内上、下两点的最大距离L1(如图1所示);C、对驾驶员眼球进行监测并计算驾驶员眼球在设定时间内上、下两点的距离L2(如图2所示)与最大距离L1之间的差值,若该差值超过设定的范围,则进行报警处理。
其中,所述分类器包括第一级分类器、第二级分类器及第三级分类器,在所述A步骤中,摄像头抓取图像后,先经第一级分类器进行过滤,通过第一级分类器后的图像再经过第二级分类器、第三级分类器进行过滤,再将该图像中的肤色信息与设定的肤色信息进行对比,若符合肤色信息,则判定为人脸图像,并进而在人脸图像中抓取眼睛图像,若不符合肤色信息,则判定为非人脸图像。
还包括六个视角检测器,各视角检测器的检测角度范围不同,分别是[0,30°]、[30°,60°]、[60°,90°] 、[0,-30°]、[-30°,-60°]、[-60°,-90°],在所述A步骤中,摄像头所抓取的图像由各视角检测器进行检测,若所抓取的图像通过相应的视角检测器,则由该视角检测器所检测的角度范围来确定驾驶员脸部所偏离的角度范围,若驾驶员脸部所偏离的角度范围超过设定的角度范围(本实施例中,设定范围为30°),则进行报警处理。
下面对本实施例中,在进行图像抓取时,基于MBLBP特征的gentleboost训练方法及分类器进行说明。
人脸以及人眼由于其特殊的结构导致其和一般的风景图片之间存在差异,这种差异是由于人的脸部(眼部)结构特征而决定的。我们可以根据其结构上像素的特征来构成分类器区分人脸(人眼)和非人脸(非人眼)。
LBP 是一种基于灰度的描述图像纹理特征的不相关算子,它通过对图像任意一点与其周围点的灰度值大小关系来表征图像的局部纹理特征。LBP算法一般定义为3×3的窗口,以窗口的中心点的像素值作为标准,和窗口中除了中心位置的八个点进行比对,如果该点像素值大于平均像素,则将该点二值化为1,否则将改点的值变为0。依次得出的数值即为该LBP特征的编码。
但LBP并不具备大尺度描述的能力。由LBP拓展出的MBLBP特征改进了基本LBP的弱点,其基本的想法是:把任意大小的图像子区域平均分割成9个矩形子块,然后使用 LBP 算子对这9个矩形块的平均灰度值进行编码,用这个编码来表征该图像子区域。MBLBP特征由于比较的是块之间的大小关系,因此具有大尺度结构的描述能力,用来检测图像速度快且准确率高。
gentleboost算法的核心思想是从一个很大的特征集中选择很小的一部分关键的视觉特征,从而产生一个极其有效的分类器。它利用大量的分类能力使一般的简单分类器通过一定的方法叠加起来,构成一个分类能力很强的强分类器,再将若干个强分类器串联成为级联分类器完成图像搜索检测。通过第一集分类器的子图像送给第二级分类器,通过第二集分类器的子图像送给第三级分类器,以此类推。gentleboost训练方法相对于Adaboost训练方法最大的特点是对噪声不敏感,可以显著的提高检测效果。
本实施例具有如下优点。
1、通过分析眼睛图像中,眼球的上、下两点的距离来判定驾驶员是否疲劳,如驾驶员疲劳,其眼球被眼睑挡住,眼球上、下两点之间的距离会变小,若眼球上、下两点之间的距离缩小超过一定范围,则进行报警处理,避免出现交通事故,监测的准确性更高。
2、摄像头抓取头像后,通过多级分类器进行过滤,每一级分类器中可以包含一个或多个特征,经过第一级分类器后,若图像被过滤,则认定该图像不是目标图像,若图像通过第一级分类器,则该图像再经过第二级分类器(甚至第三级分类器、第四级分类器…),通过所有分类器后的图像即为目标图像,通过多级分类器进行过滤,监测速度快,精度高。
3、在抓取图像的过程中,先抓取脸部图像,再缩小范围,在脸部图像中抓取眼睛图像,以提高抓取图像的速度。
4、进一步,在对驾驶员进行监测的过程中,还对驾驶员头部偏离的角度进行监测,以驾驶员头部朝向正前方时为0度(即基准角度),若驾驶员的头部偏离基准角度超过设定范围,此时驾驶员的视线极有可能已偏离正前方,会对驾驶安全带来危害,此时进行报警处理,进一步提高监测的可靠性及安全性。
以上仅为本发明的具体实施例,并不以此限定本发明的保护范围;在不违反本发明构思的基础上所作的任何替换与改进,均属本发明的保护范围。
Claims (1)
1.一种疲劳驾驶监测方法,其特征在于,该方法包括如下步骤:A、摄像头抓取图像,并将所抓取的图像经过监测仪中的分类器进行过滤,通过分类器后的图像为眼睛图像;B、分析过滤后的眼睛图像,找到眼球在设定时间内上、下两点的最大距离L1;C、对驾驶员眼球进行监测并计算驾驶员眼球在设定时间内上、下两点的距离L2与最大距离L1之间的差值,若该差值超过设定的范围,则进行报警处理;所述分类器至少包括第一级分类器及第二级分类器,在所述A步骤中,摄像头抓取图像后,先经第一级分类器进行过滤,通过第一级分类器后的图像再经过第二级分类器进行过滤;在所述A步骤中,摄像头抓取图像后,经分类器进行过滤,通过分类器后的图像为人脸图像,再在人脸图像中抓取眼睛图像;还包括至少三个视角检测器,各视角检测器的检测角度范围不同,在所述A步骤中,摄像头所抓取的图像由各视角检测器进行检测,若所抓取的图像通过相应的视角检测器,则由该视角检测器所检测的角度范围来确定驾驶员脸部所偏离的角度范围,若驾驶员脸部所偏离的角度范围超过设定的角度范围,则进行报警处理;在所述A步骤中,摄像头抓取图像后,经分类器进行过滤,若该图像通过分类器,再将该图像中的肤色信息与设定的肤色信息进行对比,若符合,则判定为人脸图像,若不符合,则判定为非人脸图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106025466A CN102013013B (zh) | 2010-12-23 | 2010-12-23 | 疲劳驾驶监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106025466A CN102013013B (zh) | 2010-12-23 | 2010-12-23 | 疲劳驾驶监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102013013A CN102013013A (zh) | 2011-04-13 |
CN102013013B true CN102013013B (zh) | 2013-07-03 |
Family
ID=43843185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106025466A Expired - Fee Related CN102013013B (zh) | 2010-12-23 | 2010-12-23 | 疲劳驾驶监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102013013B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680120A (zh) * | 2013-12-02 | 2015-06-03 | 华为技术有限公司 | 一种人脸检测的强分类器的生成方法及装置 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8861802B2 (en) * | 2012-03-13 | 2014-10-14 | Honeywell International Inc. | Face image prioritization based on face quality analysis |
CN106683065A (zh) * | 2012-09-20 | 2017-05-17 | 上海联影医疗科技有限公司 | 基于Lab空间的图像融合方法 |
CN105069976B (zh) * | 2015-07-28 | 2017-10-24 | 南京工程学院 | 一种疲劳检测和行驶记录综合***及疲劳检测方法 |
CN108021911B (zh) * | 2018-01-04 | 2018-09-11 | 重庆公共运输职业学院 | 一种驾驶员疲劳驾驶监测方法 |
CN111079475A (zh) * | 2018-10-19 | 2020-04-28 | 上海商汤智能科技有限公司 | 驾驶状态检测方法和装置、驾驶员监控***、车辆 |
CN111291590B (zh) * | 2018-12-06 | 2021-03-19 | 广州汽车集团股份有限公司 | 驾驶员疲劳检测方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
CN101375796A (zh) * | 2008-09-18 | 2009-03-04 | 浙江工业大学 | 疲劳驾驶实时检测*** |
CN101872419A (zh) * | 2010-06-09 | 2010-10-27 | 谭台哲 | 一种汽车驾驶员疲劳检测的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7742621B2 (en) * | 2006-06-13 | 2010-06-22 | Delphi Technologies, Inc. | Dynamic eye tracking system |
-
2010
- 2010-12-23 CN CN2010106025466A patent/CN102013013B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6927694B1 (en) * | 2001-08-20 | 2005-08-09 | Research Foundation Of The University Of Central Florida | Algorithm for monitoring head/eye motion for driver alertness with one camera |
CN101375796A (zh) * | 2008-09-18 | 2009-03-04 | 浙江工业大学 | 疲劳驾驶实时检测*** |
CN101872419A (zh) * | 2010-06-09 | 2010-10-27 | 谭台哲 | 一种汽车驾驶员疲劳检测的方法 |
Non-Patent Citations (3)
Title |
---|
林土胜等.基于类Haar特征的驾驶者人眼疲劳状态的检测方法研究.《公路交通科技》.2008,第25卷(第7期),128-131. * |
王秀等.驾驶疲劳的眼睛状态检测算法.《计算机与数字工程》.2009,第37卷(第8期),135-137,182. * |
郭克友等.基于视觉的驾驶人疲劳及注意力监测方法.《公路交通科技》.2010,第27卷(第5期),104-109. * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680120A (zh) * | 2013-12-02 | 2015-06-03 | 华为技术有限公司 | 一种人脸检测的强分类器的生成方法及装置 |
CN104680120B (zh) * | 2013-12-02 | 2018-10-19 | 华为技术有限公司 | 一种人脸检测的强分类器的生成方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102013013A (zh) | 2011-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102013013B (zh) | 疲劳驾驶监测方法 | |
CN109670446B (zh) | 基于线性动态***和深度网络的异常行为检测方法 | |
Tipprasert et al. | A method of driver’s eyes closure and yawning detection for drowsiness analysis by infrared camera | |
CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、***、终端以及计算机可读存储介质 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN103839065B (zh) | 人群动态聚集特征提取方法 | |
CN105354985B (zh) | 疲劳驾驶监控装置及方法 | |
CN101477625B (zh) | 人体上半身检测方法和*** | |
Qiao et al. | A smartphone-based driver fatigue detection using fusion of multiple real-time facial features | |
CN103049740A (zh) | 基于视频图像的疲劳状态检测方法及装置 | |
CN107911663A (zh) | 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警*** | |
CN106682601A (zh) | 一种基于多维信息特征融合的驾驶员违规通话检测方法 | |
CN110751051A (zh) | 一种基于机器视觉的异常驾驶行为检测方法 | |
CN104068868A (zh) | 一种基于机器视觉的驾驶人疲劳监测方法及装置 | |
CN112396658A (zh) | 一种基于视频的室内人员定位方法及定位*** | |
CN107392153B (zh) | 人体疲劳度判定方法 | |
CN108229245A (zh) | 基于面部视频特征的疲劳驾驶检测方法 | |
CN102542246A (zh) | Atm机异常人脸检测方法 | |
CN108960107A (zh) | 一种小微型面包车超员识别方法及装置 | |
CN104866841A (zh) | 一种人体目标奔跑行为检测方法 | |
CN109460787A (zh) | 入侵检测模型建立方法、装置及数据处理设备 | |
CN106548131A (zh) | 一种基于行人检测的施工人员安全帽实时检测方法 | |
CN104966059A (zh) | 基于智能监控***的驾驶员开车打电话检测方法 | |
CN111079694A (zh) | 一种柜面助手履职监控装置和方法 | |
CN111062319B (zh) | 一种基于主动红外图像的驾驶员打电话检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130703 Termination date: 20161223 |
|
CF01 | Termination of patent right due to non-payment of annual fee |