專利名稱：對駕駛員疲勞狀態的智能識別裝置與方法
技術領域：
本發明涉及的是一種汽車工程中的控制技術領域的裝置與方法，具體是一種對駕 駛員疲勞狀態的智能識別裝置與方法。
背景技術：
眾所周知，駕駛員長途駕駛汽車時，會因難以克服的生理疲勞時常發生交通事故。 特別是長途貨運卡車司機出于經濟利益的考慮會不顧自己的身體狀況持續駕駛十幾個小 時以上。這類貨運卡車司機往往會在行駛中途出現瞌睡現象，因此而釀成慘痛的車毀人亡 交通事故。據統計，2007年我國由于交通事故死亡的人數達到了 8萬多人，道路交通安全現 狀不容樂觀。2007年美國道路交通事故統計數據表明，由于疲勞駕駛原因直接導致死亡的 事故次數有1400多起。世界衛生組織研究報告指出，每年交通事故奪走接近120萬的生命，占每年全球 死亡人數的2. 2%，在所有導致死亡的原因中居第9位。如果當前的交通狀況沒有改善，預 計到2030年，交通事故死亡人數所占的比重將達到3.6%，將在所有死亡原因中上升至第5 位。并有不斷上升的趨勢。美國國家睡眠基金會的研究報告指出美國每年由于駕駛員疲勞原因導致的交通 事故數平均有10萬多例。對大量交通事故的致因分析表明，在駕駛疲勞中，駕駛員的感知疲勞、判斷決策疲 勞是肇發交通事故的主要原因。日本對38000多起事故致因進行研究發現感知疲勞占 40. 1%，判斷決策疲勞為41.5%。駕駛疲勞影響駕駛員的警覺和安全駕駛能力。駕駛疲勞問題已經引起世人的關 注，西方發達國家投入巨大的人力、物力廣泛開展駕駛疲勞的研究工作。我國駕駛疲勞監測方法落后的現狀以及嚴峻的道路交通安全形勢，也迫切要求解 決駕駛疲勞監測技術中的難題。駕駛員疲勞識別技術的研究主要集中在三個方面(1)基于駕駛員個體特性的監測方法，例如眼瞼的活動、眼睛閉合、點頭動作等；(2)基于駕駛員生理參數測量的監測方法，例如腦電圖、眼動圖、肌電圖、肌肉活動 等；(3)基于車輛參數的監測方法，例如車速、加速度、車輛位置等。要克服駕駛員疲勞駕駛的現象，除了加強對駕駛員必要的交通法制教育和交通運 輸企業的生產管理外，依靠先進的科技來完善現有汽車安全駕駛智能化功能則是至關重要 的技術手段。這里所說的駕駛員疲勞狀態主要是指駕駛員因生理疲勞而呈現出的瞌睡狀 態。經對現有技術文獻的檢索發現，路遙等的“一種用于人眼定位和人眼張開閉合的 識別方法”(中國專利申請號200510027371.X)介紹了一種“人眼定位和人眼張開閉合的 識別方法”。該方法主要解決對動態圖象的人眼識別的問題。其步驟為將攝像頭動態提取到的一幀圖象利用灰度直方圖進行自動灰度均衡，將人的臉部從背景中凸現出來，再利 用可調半窗口域值將人臉從背景中提取出來，根據估算的人眼象素塊大小，去掉非人眼區 域，然后結合人眼的二維幾何關系確定人的雙眼，用黑框在原始圖像上顯示出來，如果沒有 檢測到雙眼，系統聲音提示；再利用眼睛象素的大小，判斷眼睛的張開與閉合；如果眼睛張 開，原始圖像上將有黑框顯示，程序不發出提示音；如果眼睛閉上，原始圖像上將沒有黑框 顯示，程序發出提示音。該方法擬應用于多種檢測系統，如疲勞駕駛報警系統。該方法技術 缺陷是“根據估算的人眼象素塊大小，去掉非人眼區域，然后結合人眼的二維幾何關系確 定人的雙眼”，這種識別人眼區域的方法準確率較低，而且時常會發生誤判，原因在于人眼 大小不一、頭發疏密差別很大、人的著裝顏色反差極大，因此是一種極不可靠的技術；適用 限制條件較多，正如該方法自身《技術說明書》所說“人眼不能被遮擋”；對背景有要求等。 因此，該技術方法難以直接運用于對駕駛員疲勞狀態的智能識別過程。再經對現有技術文獻的檢索發現，成波、張廣淵、馮睿嘉等的“基于眼睛狀態識別 的駕駛員疲勞實時監測”(《汽車工程》2008年第11期)提出了一種基于眼睛狀態識別的 駕駛員疲勞狀態實時監測的方法。首先通過計算累計背景和當前幀的差分圖像的質心確定 臉部范圍，然后通過二值化和輪廓檢測確定眼睛的搜索區域。在利用啟發式規則進行篩選 定位之后，計算眼睛骨架曲線和兩眼角連線之間的距離得到眼睛的睜開程度。通過計算相 應的疲勞指標如PERCL0S、平均睜眼程度、最長眼睛閉合時間來推測駕駛員的疲勞狀態。以 駕駛員面部視頻的主觀評分作為評價依據對檢測方法進行評價，結果顯示上述3個指標在 不同的疲勞等級下均存在顯著性差異，通過對不同指標的融合可達到較好的疲勞檢測準確 率。該方法的技術缺陷主要表現于“確定眼睛的搜索區域”要花費較多的計算時間；以“疲 勞指標如PERCL0S、平均睜眼程度、最長眼睛閉合時間來推測駕駛員的疲勞狀態”，其檢測準 確率不高。
發明內容
本發明的目的在于克服現有技術中的不足，提供一種對駕駛員疲勞狀態的智能識 別裝置與方法，確保車輛在行駛過程，能夠準確識別駕駛員的駕車狀態，制止駕駛員疲勞駕 車，因此能夠有效地避免因駕駛員疲勞而造成的交通事故。本發明是通過以下技術方案實現的本發明涉及一種對駕駛員疲勞狀態的智能識別裝置，包括針孔攝像頭、信號處理 器、車速操控機構和語音播放器。針孔攝像頭的輸出接口通過視頻電纜與信號處理器的圖 像輸入接口連接，信號處理器的輸出接口分別與車速操控機構和語音播放器數字的輸入接 口并行連接。所述針孔攝像頭，設置于駕駛室內，正對著駕駛員的面部，用于實時采集駕駛員的 面部視圖。所述信號處理器，包括圖像輸入接口、模數轉換模塊、圖像處理模塊、車速信號輸 入接口、輸出接口。其中圖像輸入接口的輸入端經視頻電纜與針孔攝像頭輸出接口相連， 圖像輸入接口的輸出端與模數轉換模塊的輸入端連接，模數轉換模塊的輸出端口與圖像處 理模塊的輸入端口連接；車速信號輸入接口的輸入端與車輛速度傳感器的輸出接口連接， 車速信號輸入接口的輸出端與圖像處理模塊的輸入端口連接。所述的車輛速度傳感器，利用車輛已有的車輛數字速度傳感器。所述圖像處理模塊，是信號處理器中的核心技術模塊，承擔圖像信息的處理、識別 與決策的整個運算過程。所述車速操控機構，包括輸入接口、第一數模轉換器、功率放大器、電磁閥和電動 剎車推桿。其中，輸入接口的輸入端口與信號處理器的輸出接口連接，輸入接口的輸出端口 與第一數模轉換器的輸入端口連接，第一數模轉換器的輸出端口與功率放大器的輸入端口 連接，功率放大器的輸出端口同時與電磁閥線圈的兩個端點及電動剎車推桿線圈的兩個端 點相并接。所述的電磁閥線圈套在電磁鐵芯的外面，電磁線圈受電時通過電磁鐵芯產生磁力 對閥門產生磁性吸力，隨著加在電磁線圈兩端點電壓信號的大小變化，電磁鐵芯的磁性吸 力同時產生相應的變化，電磁鐵芯的磁性吸力作用于閥門、拉動閥門以改變閥門的開度，阻 力彈簧是一種拉伸彈簧，閥門在電磁鐵芯磁性吸力拉動的同時，阻力彈簧也同時受到拉伸， 因此產生一個與電磁鐵芯磁性吸力相反的彈性力，當電磁鐵芯磁性吸力和阻力彈簧彈力達 到平衡時，閥門就被停止拉動，即閥門開度與加在電磁線圈兩端點電壓相對應。所述電動剎車推桿，包括電剎車線圈與電磁推桿，電剎車線圈套裝在電磁推桿的 一端，電磁推桿的另一端與腳踏剎車桿杠機構連接，當電剎車線圈受電時，電剎車線圈所產 生的電磁場對套裝在電剎車線圈內的推桿產生軸向機械推力，該軸向機械推力作用在腳踏 剎車桿杠機構的電動推桿作力點上，通過桿杠機構起到與腳踏剎車同樣的效果使車輛自動 剎車。所述語音提示器，包括輸入接口、譯碼器、數字語音模塊、第二數模轉換器、功率 放大模塊、揚聲器；其中輸入接口的輸入端口與信號處理器的輸出接口連接，輸入接口的 輸出端與譯碼器的輸入端口連接，譯碼器的輸出端口與數字語音模塊的輸入端口連接，數 字語音模塊的輸出端口與第二數模轉換器的輸入端口連接，第二數模轉換器的輸出端口與 功率放大模塊的輸入端口連接，功率放大模塊的輸出端口與揚聲器的輸入端口連接。當語 音提示器的輸入接口接收到控制指令后，經過譯碼器的解釋，鏈接數字語音模塊中的相關 語音單元，將鏈接后的語音單元序列依次輸至第二數模轉換器轉換為語音模擬信號，再將 語音模擬信號輸至功率放大模塊經功率放大后驅動揚聲器發出相應的語音警示。本發明車輛正常行駛中，電磁閥處于全開狀態，即開度為100% ；當本發明裝置識 別前方車距小于安全車距時，電磁閥線圈在輸入電壓信號的作用下，電磁鐵產生相應磁力 拉動閥門減小其原有開度，因此減小了燃料的流量，迫使車輛減速；同時，電動剎車推桿線 圈也在該輸入電壓信號的作用下，對推桿產生軸向推力通過桿杠機構的力矩傳遞帶動腳剎 車迫使車輛逐漸減速并最終停止下來。本發明的信號處理器圖像輸入接口從針孔攝像頭輸出接口接收駕駛員面部圖像 模擬信號后，將圖像模擬信號送入模數轉換模塊的輸入端，模數轉換模塊再將轉換后的數 字圖像信號分別輸至圖像處理模塊；車輛速度傳感器的輸出信號經車速信號輸入接口輸入 至圖像處理模塊。信號處理器對針孔攝像頭采集到的駕駛員臉部圖像信號進行處理與分析 后，確定當前駕駛員是否正處于疲勞駕駛狀態；一旦確認駕駛員疲勞駕駛，信號處理器會實 時地將識別結果生成控制指令由其輸出接口輸出；在控制指令的作用下，通過車速操控機 構自動使車輛減速乃至剎車。同時，通過語音播放器向駕駛員警示“您已處于疲勞狀態，為了您和大家的安全，請停車休息！ 本發明還涉及一種對駕駛員疲勞狀態的智能識別方法，包括以下步驟步驟一、系統對訓練樣本進行學習；所述系統對訓練樣本進行學習，即本發明裝置系統處于學習狀態。當系統處于學 習狀態時，系統對當前的駕駛員疲勞狀態臉部圖像進行采集與處理。所述駕駛員疲勞狀態 臉部圖像，即因疲勞而引起瞌睡的駕駛員眼部圖像。步驟一包括分步驟如下(1)采集駕駛員疲勞狀態臉部圖像并進行彩色空間轉換；將針孔攝像頭抽樣采集到的駕駛員疲勞狀態臉部圖像進行強化后，再將其從RGB 彩色空間轉換至HSV彩色空間進行表達；并連續采集多幅，包括多個駕駛員疲勞狀態不同 時刻的圖像。如采集三位駕駛員在不同時刻表現出的疲勞狀態臉部圖像并將其強化后，再 從RGB彩色空間轉換至HSV彩色空間進行表達。(2)將眼部與其它區域及背景區分開來；在抽樣采集到的駕駛員疲勞狀態臉部圖像中，按照像素坐標從左至右、從上到下 地掃描檢測像素的景物色調，并將落入HSV彩色空間中的色調區間[2°，47° ]的色調集合 所對應的像素點擬定為人臉區域，因此將人物其它區域和圖像背景跟人臉區域準確地區分 開來。這是因為人物圖像中的人臉膚色與衣物及背景存在著明顯不同的色調差別，人臉 膚色與衣物及背景各自的色調分布于不同的角度區域，而且人臉膚色的色調相對穩定地集 中在HSV彩色空間中的某個角度區域，通過實驗證實不論是自然光照還是人工光源照射， 也不論攝像系統的異同，膚色的色調H的角度分布都基本保持在HSV彩色空間的2 47° 之間，因此能夠通過人物圖像在HSV空間中的色調值來區分出人臉膚色和衣物、背景及其 它景物，換句話說，只有當某一景物的色調處于區間[2°，47° ]之內，才有可能是人臉膚 色，否則是其它景物，如衣物或其它物品。通過實驗進一步證實人臉膚色的色調值為11° 的概率最高，因此稱11°的色調值為人臉膚色的概率峰值。令，人臉膚色色調在區間[2°， 47° ]的分布概率為P(H)時，H= 11°的概率達到最高，即Ρ(1Γ )= Pmax，也就是說，當 某個景物的色調為11°時，認定該景物為人臉膚色的置信度達到最高。(3)對抽樣采集到的駕駛員疲勞狀態臉部圖像確定人臉中心位置與眼部區域；利用抽樣采集到的駕駛員疲勞狀態臉部圖像的HSV彩色空間表達，在人臉膚色色 調集合中，以最接近11°的色調值所對應的像素點坐標作為人臉中心點，如經過人臉區 域搜尋結果，獲得落入HSV彩色空間中的色調區間[2°，47° ]的色調集合為{...，9.7°， 10. 1°，9. 5° , ... }，而且該集合所對應的像素點坐標為{. . .，(ik_1; U，(ik，jk)，(ik+1， jk+1)，...}，其中最接近11°的色調值是10.1°，所對應的像素點坐標為(ik，jk)，因此就可 以確定(ik，jk)為人臉中心位置坐標，i表示像素的列坐標，j表示像素的行坐標，腳標表示 列數和行數，ik的k表示第k列，jk的k表示第k行。并以人臉中心點為基點向上擴張u行
像素和向兩側各擴張I列像素，作為uXv的眼部區域。(4)導入駕駛員疲勞狀態臉部圖像眼部區域訓練樣本；將UX ν的眼部區域截取后作為駕駛員疲勞狀態臉部圖像眼部區域訓練樣本導入 本發明裝置系統。
所采集的駕駛員疲勞狀態臉部圖像眼部區域訓練樣本均具有256個灰度級，一般 取訓練樣本數η = kXl ；其中，k、1分別為被采樣駕駛員數和每個駕駛員被采樣駕駛 員疲勞狀態臉部圖像眼部區域的樣本數，如k = 3、1 = 3分別代表被采樣駕駛員數為3個、 每個駕駛員被采樣駕駛員疲勞狀態臉部圖像眼部區域的樣本數為3。(5)將訓練樣本圖像轉換為一維向量； 將每一個二維的駕駛員疲勞狀態臉部圖像眼部區域訓練樣本圖像數據轉化為一 維的向量，并定義“瞌睡狀”為1類眼部特征，“非瞌睡狀”為-1類眼部特征。因此可以表達 出第i圖像的一維向量Xi為Xi = [Xil xi2. · · xjT = [Xij]τ (公式一)式中，Xij表示1類第i個樣本第j個像素灰度值；i = 1，2，. . .，η為1類眼部樣 本序號；j = 1，2，. . .，m為每個樣本圖像所取像素數，m = uX v，u和ν分別為樣本圖像的 列和行像素數。(6)計算訓練樣本特征值及特征向量；計算1類的均值I,即
1 η m稱由此求得的均值J為1類平均眼。對上述訓練樣本進行規范化后可以表達為Vi=Xi-X; i = 1,2, . . . , η (公式三)由訓練樣本組成的1類平均眼規范化向量νν = [V1 V2. ..νη]τ (公式三)此時，1類平均眼協方差矩陣為Q = [V1 V2. · · vn]T[Vl v2. . . vn] ；Q e Rnxn (公式四)利用(公式四)求取Q的特征值λ χ及其特征向量，并將其從大到小重新排列后 生成特征向量P=EX1 λ2 λ3···]τ (公式五)其中，人！彡 A2 ^ A3^...(7)對訓練樣本進行線性變換后投影到特征空間；由于較大的特征值對應的特征向量包含了較多的人臉眼部特征信息，因此選取前 s個較大的特征值所對應的特征向量構成的向量空間就可以近似地表示人臉眼部圖像的主 要信息。S取值由實驗確定。對于圖像庫中的η個圖像Xi = [Xil xi2... xj T(i = 1,2,... ,η)都可以向此特征 空間投影，得到投影向量Qi= [ωη ω 2... ω Jt0從ν= [V1 ν2... 選取前s個較大的特征值所對應的規范化值構成新的規范 化向量V = [v, V2 ... ν/ (公式六)因此，可以直接用 來代表1類人臉眼部特征，即駕駛員疲勞狀態臉部圖像眼部區 域特征。這就是說，建立了人臉眼部特征規范化向量后，就可以依次作為識別駕駛員是否因疲勞而呈現瞌睡狀的判據。所述的圖像增強，是指采用脈沖耦合神經網絡法模擬與特征有關的神經元同步 行為來展示脈沖發放現象的連接模型，對駕駛室內針孔攝像頭實時采集到的圖像進行增
強。 所述的脈沖耦合神經網絡法(Pulse-Coupled Neural Networks，簡稱PCNN)，是一 種模擬與特征有關的神經元同步行為來展示脈沖發放現象的連接模型。因此，它與視感神 經系統的感知能力有著天然的聯系。應用于圖像處理的PCNN結構模型中，待處理的圖像每個像素f (i，j)對應著每個 神經元Nij,其中像素坐標，i = 1,2,3, ...,J = 1,2,3, ... ο以Iij表示像素點f(i，j)的 像素強度值，每個神經元Nij除接收來自外部的刺激Iij外，還接收來自內部網絡其他神經元 的饋送輸入Fij (t)和聯接輸入LijU),接著通過神經元連接強度β以乘積耦合形式Fij (t) [1+β LijU)]構成神經元Nij的內部行為UijU),再通過動態閾值θ^α)與UijU)的比較 而激勵或抑制神經元的脈沖信號輸出Yu(t)(又稱為點火)，t代表時間。由于常規圖像中邊緣兩邊的象素亮度強度差總比區域內空間鄰近的象素亮度強 度差相對要大，因此，若采用PCNN于二維圖像處理，每個神經元與圖像像素一一對應，其亮 度強度值作為神經元的外部刺激，則在PCNN內部，空間鄰近、強度相似的像素集群能夠同 步點火，否則異步點火。這在圖像增強中，表現為同步點火對應的圖像像素呈現相同的亮度 強度值，從而平滑了圖像區域；異步點火對應的圖像像素呈現不同的亮度強度值，從而加大 了圖像區域間亮度強度的梯度，進而更加突出了圖像的邊緣，使得增強后的圖像亮度強度 分布更具有層次性。在標準的PCNN模型中，由于硬限幅函數的作用，其輸出是一個二值圖像幀。為了 使所建立的PCNN輸出映射函數能更有效地進行圖像整體對比度增強的處理，基于上述的 人眼視覺感知特性，采用類對數映射函數，將圖像的亮度強度映射到一個合適的視覺范圍。該方法的最大優點在于它與視覺神經系統的感知能力有著天然的聯系，使得該模 型不僅能較好地平滑圖像區域、突出圖像邊緣，而且能明顯地改善彩色圖像的視覺效果、增 強圖像色彩的真實效果。所述的彩色空間轉換，是指將增強后的圖像進行彩色空間轉換，即將增強后的數 字圖像從RGB彩色空間轉換至HSV彩色空間，轉換后的色調H、飽和度S和亮度V分別表示 為
權利要求
一種對駕駛員疲勞狀態的智能識別裝置，其特征在于，包括針孔攝像頭、信號處理器、車速操控機構和語音播放器，針孔攝像頭的輸出接口通過視頻電纜與信號處理器的圖像輸入接口連接，信號處理器的輸出接口分別與車速操控機構和語音播放器數字的輸入接口連接；所述信號處理器，包括圖像輸入接口、模數轉換模塊、圖像處理模塊、車速信號輸入接口、輸出接口，其中圖像輸入接口的輸入端經視頻電纜與針孔攝像頭輸出接口相連，圖像輸入接口的輸出端與模數轉換模塊的輸入端連接，模數轉換模塊的輸出端口與圖像處理模塊的輸入端口連接，車速信號輸入接口的輸入端與車輛速度傳感器的輸出接口連接，車速信號輸入接口的輸出端與圖像處理模塊的輸入端口連接；所述車速操控機構，包括輸入接口、第一數模轉換器、功率放大器、電磁閥和電動剎車推桿，其中，輸入接口與第一數模轉換器的輸入端口連接，第一數模轉換器的輸出端口與功率放大器的輸入端口連接，功率放大器的輸出端口同時與電磁閥線圈的兩個端點及電動剎車推桿線圈的兩個端點相并接。
2.根據權利要求1所述的對駕駛員疲勞狀態的智能識別裝置，其特征是，所述針孔攝 像頭，設置于駕駛室內，正對著駕駛員的面部，用于實時采集駕駛員的面部視圖。
3.根據權利要求1所述的對駕駛員疲勞狀態的智能識別裝置，其特征是，所述電動剎 車推桿，包括電剎車線圈與電磁推桿，電剎車線圈套裝在電磁推桿的一端，電磁推桿的另 一端與腳踏剎車桿杠機構連接，當電剎車線圈受電時，電剎車線圈所產生的電磁場對套裝 在電剎車線圈內的推桿產生軸向機械推力，該軸向機械推力作用在腳踏剎車桿杠機構的電 動推桿作力點上，通過桿杠機構起到與腳踏剎車同樣的效果使車輛自動剎車。
4.一種對駕駛員疲勞狀態的智能識別方法，其特征在于，包括以下步驟步驟一、系統 對訓練樣本進行學習；步驟二、在線識別駕駛員疲勞狀態。
5.根據權利要求4所述的對駕駛員疲勞狀態的智能識別方法，其特征是，步驟一中所 述系統對訓練樣本進行學習，即系統處于學習狀態。當系統處于學習狀態時，系統對當前的 駕駛員疲勞狀態臉部圖像進行采集與處理。步驟一包括分步驟如下(1)采集駕駛員疲勞狀態臉部圖像并進行彩色空間轉換；將針孔攝像頭連續采集多幅，包括多個駕駛員疲勞狀態不同時刻的圖像進行強化后， 再將其從RGB彩色空間轉換至HSV彩色空間進行表達。(2)將眼部與其它區域及背景區分開來；在抽樣采集到的駕駛員疲勞狀態臉部圖像中，按照像素坐標從左至右、從上到下地掃 描檢測像素的景物色調，并將落入HSV彩色空間中的色調區間[2°，47° ]的色調集合所 對應的像素點擬定為人臉區域，因此將人物其它區域和圖像背景跟人臉區域準確地區分開來。(3)對抽樣采集到的駕駛員疲勞狀態臉部圖像確定人臉中心位置與眼部區域；利用抽樣采集到的駕駛員疲勞狀態臉部圖像的HSV彩色空間表達，在人臉膚色色調集 合中，以最接近11°的色調值所對應的像素點坐標作為人臉中心點，并以人臉中心點為基點向上擴張u行像素和向兩側各擴張*列像素，作為uXv的眼部區域。(4)導入駕駛員疲勞狀態臉部圖像眼部區域訓練樣本；將UXv的眼部區域截取后作為駕駛員疲勞狀態臉部圖像眼部區域訓練樣本導入本發 明裝置系統。所采集的駕駛員疲勞狀態臉部圖像眼部區域訓練樣本均具有256個灰度級。(5)將訓練樣本圖像轉換為一維向量；將每一個二維的駕駛員疲勞狀態臉部圖像眼部區域訓練樣本圖像數據轉化為一維的 向量，并定義“瞌睡狀”為1類眼部特征，“非瞌睡狀”為-1類眼部特征。因此可以表達出 第i圖像的一維向量Xi為Xi = [xn xi2. · · xjτ = [Xij]T，其中，Xij表示1類第i個樣本第 j個像素灰度值；i = 1，2，...，η為1類眼部樣本序號；j = 1，2，. . .，m為每個樣本圖像所 取像素數，m = uXv，u和ν分別為樣本圖像的列和行像素數。(6)計算訓練樣本特征值及特征向量； 計算ι類的平均眼
6.根據權利要求4所述的對駕駛員疲勞狀態的智能識別方法，其特征是，步驟二中所 述的在線識別駕駛員疲勞狀態，即本發明裝置系統進入(處于)在線工作狀態，對車輛駕駛 員的疲勞狀態實施實時監控。步驟二包括具體分步驟如下(1)采集駕駛員臉部圖像并進行彩色空間轉換；將針孔攝像頭實時采集到的駕駛員臉部圖像進行強化后，再將其從RGB彩色空間轉換 至HSV彩色空間進行表達。(2)將眼部與其它區域及背景區分開來；在采集到的駕駛員臉部圖像中，按照像素坐標從左至右、從上到下地掃描檢測像素的 景物色調，并將落入HSV彩色空間中的色調區間[2°，47° ]的色調集合所對應的像素點擬 定為人臉區域，因此將人物其它區域和圖像背景跟人臉區域準確地區分開來。(3)對采集到的駕駛員臉部圖像確定人臉中心位置與眼部區域；利用人臉的HSV彩色空間表達，以最接近11°的色調值所對應的像素點坐標作為人臉中心點，并以人臉中心點為基點向上擴張u行像素和向兩側各擴張*列像素，即可獲取UXv的眼部跟蹤區域。(4)對駕駛員眼部區域的跟蹤；采用一階預測算法作為駕駛員眼部區域跟蹤的方法。設當前駕駛員臉部運動速度為ν
全文摘要
一種汽車工程中的控制技術領域的對駕駛員疲勞狀態的智能識別裝置與方法。裝置包括針孔攝像頭、信號處理器、車速操控機構和語音播放器，針孔攝像頭的輸出接口通過視頻電纜與信號處理器的圖像輸入接口連接，信號處理器的輸出接口分別與車速操控機構和語音播放器數字的輸入接口連接；方法包括步驟一、系統對訓練樣本進行學習；步驟二、在線識別駕駛員疲勞狀態。其中，步驟一包括駕駛員疲勞狀態臉部圖像采集與彩色空間轉換，人臉中心位置與眼部區域確定，訓練樣本特征值及特征向量計算等；步驟二包括駕駛員臉部圖像實時采集與彩色空間轉換，駕駛員臉部中心位置與眼部區域的自動確定，對駕駛員眼部區域的跟蹤，測試樣本特征向量計算，對駕駛員疲勞狀態的識別與車輛控制決策等。本發明確保車輛在行駛過程，能夠準確識別駕駛員的駕車狀態，制止駕駛員疲勞駕車，因此能夠有效地避免因駕駛員疲勞而造成的交通事故。
文檔編號G06K9/66GK101941425SQ201010284829
公開日2011年1月12日 申請日期2010年9月17日 優先權日2010年9月17日
發明者史戰果, 吳迪, 應俊豪, 張秀彬, 馬麗 申請人:上海交通大學