一種基于俯視特征的盲駕檢測方法
【技術領域】
[0001] 本發明涉及安全駕駛技術領域，特別是盲駕檢測技術領域。
【背景技術】
[0002] 隨著汽車保有量的快速增長，人們在享受到交通的便利和快捷的同時，也伴隨著 各類交通事故的頻發，造成巨大的人員和經濟損失。造成交通事故的因素很多，其中駕駛員 低頭玩弄手機或手持終端造成的"盲駕"是一個重要的誘發原因，因為它不像飲酒駕駛或者 接打電話駕駛那樣被交通法規明令禁止，因此它也是人們普遍忽視的因素，然而，它造成的 危害遠遠超過飲酒駕駛或者接打電話駕駛，具體體現在當駕駛員玩手機時，一般都需要低 頭或者俯視，視線嚴重偏離正前方，失去了對路面情況和周邊環境的有效觀察，一旦遇到緊 急情況或突發情況，將會大大削弱駕駛員的應變能力，極易造成交通事故。當車速在65km/ h時，低頭看手機2秒，相當于盲開36米，一旦遇到緊急情況，剎車至少需20米，用智能手機 打開并閱讀一條微博需要12秒的話，相當于汽車盲開約216米。另外，玩手機駕駛易導致 錯過交通信號或看不到公告欄和其他標志等。
[0003] 對于盲駕引起的交通事故，由于無法實時監控駕駛員的駕駛行為，一些客運和貨 運企業的監管部門只能以事后的推斷作為劃分責任的依據，無法進行事前的監控和預防。 因此，實時監控駕駛員的盲駕行為，并及時反饋給運輸企業監管部門，對于預防重大交通事 故，有著重要的作用。
【發明內容】
[0004] 針對上述問題，本發明要解決的技術問題在于提供一種盲駕檢測方法。
[0005] 具體技術方案如下：
[0006] 一種基于俯視特征的盲駕檢測方法，包括以下步驟：
[0007] 11)檢測開始前，加載人臉檢測分類器文件；
[0008] 12)檢測開始，實時采集駕駛員的頭部圖像，并變換成灰度圖像；
[0009] 13)基于步驟11)加載的人臉檢測分類器文件以及步驟12)所得到的灰度圖像，判 斷當前幀中人臉是否存在，如是，則在灰度圖像中準確找到駕駛員的左、右眼睛的上眼瞼輪 廓，通過曲線擬合算法獲取上眼瞼的輪廓半徑；如否，則直接進入步驟14);
[0010] 14)如人臉不存在，則基于人臉消失的時間特征判斷駕駛員是否處于盲駕狀態； 如人臉存在，則基于基于左、右眼睛的上眼瞼輪廓特征，判斷駕駛員是否處盲駕狀態；
[0011] 15)當駕駛員處于盲駕狀態時，向駕駛員發出警報或向遠程監控的服務器發送駕 駛員處于盲駕狀態時的實時視頻。
[0012] 進一步，所述步驟12)按照公式[1]，變換成灰度圖像；
[0013] f (x, y) = 0. 299r (x, y) +0. 587g (x, y) +0. 114b (x, y) [1]
[0014] 其中，f (x, y)是變換圖像中像素（x, y)處的灰度值，r(x, y)、g(x, y)、b(x, y)是原 圖中像素（x，y)處的紅、綠、藍三通道的值。
[0015] 進一步，所述步驟13)包括以下步驟：
[0016] 31)獲取人臉檢測的有效區域，如上一幀沒有得到正確的人臉位置，則人臉檢測的 有效區域為全圖區域；如上一幀存在正確的人臉位置，則有效區域為在原有人臉矩形區域 的基礎上，向左右各擴展半個人臉的矩形寬度，向上下各擴展半個人臉的矩形高度，形成的 人臉檢測的有效區域；
[0017] 32)基于adaboost分類器，進行人臉檢測；
[0018] 33)判斷人臉是否存在，如果是，清空時間戳列表，進入步驟34)，如果否，把當前 幀時間戳放入時間戳列表，進入步驟14);
[0019] 34)基于人臉的"三庭五眼"布局規律，按照公式[2]、公式[3]，分別獲取左、右眼 睛的位置子區域rect_left、rect_right ;
【主權項】
1. 一種基于俯視特征的盲駕檢測方法，其特征在于，包括以下步驟： 11) 檢測開始前，加載人臉檢測分類器文件； 12) 檢測開始，實時采集駕駛員的頭部圖像，并變換成灰度圖像； 13) 基于步驟11)加載的人臉檢測分類器文件以及步驟12)所得到的灰度圖像，判斷當 前幀中人臉是否存在，如是，則在灰度圖像中準確找到駕駛員的左、右眼睛的上眼瞼輪廓， 通過曲線擬合算法獲取上眼瞼的輪廓半徑；如否，則直接進入步驟14); 14) 如人臉不存在，則基于人臉消失的時間特征判斷駕駛員是否處于盲駕狀態；如人 臉存在，則基于基于左、右眼睛的上眼瞼輪廓特征，判斷駕駛員是否處盲駕狀態； 15) 當駕駛員處于盲駕狀態時，向駕駛員發出警報或向遠程監控的服務器發送駕駛員 處于盲駕狀態時的實時視頻。
2. 根據權利要求1所述的一種基于俯視特征的盲駕檢測方法，其特征在于，所述步驟 12) 按照公式[1]，變換成灰度圖像； f(x,y) = 0. 299r(x,y)+0. 587g(x,y)+0. 114b(x,y) [1] 其中^匕又丨是變換圖像中像素匕又丨處的灰度值^"^丨^"^丨上匕又丨是原圖中 像素（x，y)處的紅、綠、藍三通道的值。
3. 根據權利要求1所述的一種基于俯視特征的盲駕檢測方法，其特征在于，所述步驟 13) 包括以下步驟： 31) 獲取人臉檢測的有效區域，如上一幀沒有得到正確的人臉位置，則人臉檢測的有效 區域為全圖區域；如上一幀存在正確的人臉位置，則有效區域為在原有人臉矩形區域的基 礎上，向左右各擴展半個人臉的矩形寬度，向上下各擴展半個人臉的矩形高度，形成的人臉 檢測的有效區域； 32) 基于adaboost分類器，進行人臉檢測； 33) 判斷人臉是否存在，如果是，清空時間戳列表，進入步驟34)，如果否，把當前幀時 間戳放入時間戳列表，進入步驟14); 34) 基于人臉的"三庭五眼"布局規律，按照公式[2]、公式[3]，分別獲取左、右眼睛的 位置子區域rect_left、rect_right;
其中，rect_face是圖像中的人臉位置區域； 35) 獲取左、右眼睛的上眼瞼輪廓曲線； 36) 基于最小二乘擬合理論式[7]、式[8]、式[9]，獲取上眼瞼輪廓曲線對應的圓半徑 R和圓心center;
其中，n是參與擬合的點集數目，Xi、y^加擬合的點的坐標； 37)獲取最終的上眼瞼輪廓半徑，具體做法為，計算左、右眼睛的上眼瞼輪廓半徑的均 值，把該均值放入半徑列表中，同時把左眼睛的上眼瞼輪廓圓心的縱坐標放入圓心列表中。
4.根據權利要求3所述的一種基于俯視特征的盲駕檢測方法，其特征在于，所述步驟 35)具體包括以下步驟： 41) 獲取左眼睛的上眼瞼輪廓曲線，先進行圖像模糊處理，采用如式[4]的模板進行均 值濾波；
42) 圖像增強，按照公式[5]，基于gamma濾波理論校正圖像，增強眼睛圖像的對比度， 效果如圖3 ;
其中，g(x，y)是增強圖像（x，y)處像素的灰度值，f(x，y)是原圖（x，y)處像素的灰度 值，Y是gamma濾波系數，當y〈1時，可以顯著增強低灰度值區域的對比度，當y>1時，可 以顯著增強高灰度值區域的對比度； 43) 基于改進的Laplace算子模板式[6]，獲取眼睛的邊緣特征，并基于最大類間距算 法進行二值化處理；
44) 通過形態學閉運算，把相鄰的邊緣連接起來形成連通區域； 45) 選擇眼睛連通區域，具體做法是先去除面積較小的連通區域，再選擇最大面積的連 通區域作為眼睛的連通區域； 46) 獲取眼睛連通區域的最上側邊緣曲線，作為眼睛的上眼瞼輪廓曲線； 47) 獲取右眼睛的上眼瞼輪廓曲線，參照步驟41)-46)進行。
5. 根據權利要求4所述的一種基于俯視特征的盲駕檢測方法，其特征在于，所述步驟 45)包括以下步驟： 51) 去除面積較小的連通區域； 52) 選擇最大面積的連通區域作為眼睛的候選連通區域； 53) 判斷在候選連通區域的相近高度上是否存在其他的連通區域，如果存在，合并到候 選連通區域內，形成最后的眼睛連通區域。
6. 根據權利要求1所述的一種基于俯視特征的盲駕檢測方法，其特征在于，所述步驟 14)包括以下步驟： 61) 判斷當前幀中駕駛員人臉是否處于消失狀態，具體方法為，依據時間戳列表中人臉 消失的時間戳個數，如果時間戳個數大于〇,則進入步驟62);否，則進入步驟63); 62) 按照公式[10]，基于人臉消失的時間特征判斷駕駛員是否處于盲駕狀態，
其中，exist= 1說明駕駛員處于盲駕狀態，timestampbe;gin是時間戳列表中人臉消失開 始的時間戳，timestamp^是時間戳列表中人臉消失結尾的時間戳，Tn是時間戳間隔閾值， 表示駕駛員人臉嚴重偏離正前方的時間持續多久算是處于盲駕狀態； 63) 基于眼睛的上眼瞼輪廓特征判斷駕駛員是否處盲駕狀態，具體方法為在單位時 間T內，按照公式[11]、公式[12]、公式[13]，統計駕駛員處于俯視狀態的幀數，按照公式 [14]，判斷駕駛員是否處盲駕狀態；
其中，exist= 1表示駕駛員處于盲駕狀態，N是單位時間內的總幀數，N_R是單位時間 內處于俯視狀態的幀數，r[i]表示半徑列表內第i幀的半徑，R1是正常情況下向前看時的 上眼瞼半徑，R2是俯視向下看時的上眼瞼半徑，c[i]表示圓心列表內第i幀的上眼瞼輪廓 圓心位置，Htop是左眼睛上眼瞼輪廓的上邊緣位置，Hbottom是左眼睛上眼瞼輪廓的下邊 緣位置。
【專利摘要】本發明公開了一種基于俯視特征的盲駕檢測方法，本發明采用視頻圖像處理技術，監控駕駛員眼睛的俯視特征，依據駕駛員處于俯視狀態時間的長短實時判斷是否存在盲駕行為，具有監控準確度高，漏檢誤檢少，受環境影響小，速度快，成本低等特點。
【IPC分類】G06T7-00, G06K9-62
【公開號】CN104573725
【申請號】CN201510013113
【發明人】張卡, 何佳, 尼秀明, 徐小偉
【申請人】安徽清新互聯信息科技有限公司
【公開日】2015年4月29日
【申請日】2015年1月9日