一種軌道交通駕駛員疲勞狀態監測方法與流程

本發明涉及自動視頻檢測技術領域，具體為一種軌道交通駕駛員疲勞狀態監測方法。

背景技術：

近年來我國高等級鐵路的建設速度和運營規模已具世界前沿水平。隨著列車運營數量、歷程逐年增加，列車員平均工作時長也隨之增加。列車駕駛員的人為因素是列車運行的安全隱患中最為關鍵和值得注意的。相較于公路運輸，英國和美國的科學家研究分析表明，由駕駛員本身引發的道路交通事故占交通事故總數的57%?65%，與駕駛員相關因素引發的事故占總數的近95%；我國道路交通事故的統計也表明，主要由于駕駛員造成的事故占90%左右。在這些事件中，疲勞駕駛是肇事致人死亡數量最多的交通違法行為之一。據統計，我國因疲勞駕車而造成的交通事故占總數的20%左右，占特大交通事故的40%以上，占交通事故死亡率的83%。

因此，疲勞駕駛對我國鐵路交通安全具有巨大影響，檢測駕駛員的疲勞程度，提前預警對提高駕駛員的工作效率，保護駕駛員的身心健康，從而避免因駕駛員疲勞駕車而造成的鐵路交通事故具有非常重要的現實意義。但目前我國疲勞駕駛檢測的產品在控制成本的情況下無法做到很高的準確性，如果能將好的方法應用于疲勞檢測系統之中，無疑能更有效的預防駕駛員疲勞駕駛而引起不必要的人員傷亡和經濟損失。

現有的疲勞駕駛檢測手段以利用駕駛員正上前方的攝像頭采集駕駛員面部圖像并識別眨眼次數和眼部動作居多，如CN 101021967公開了“一種駕駛員疲勞檢測報警器”，由裝有反射式光纖位移傳感器的眼鏡和智能控制系統組成；所述光纖傳感器是反射式光纖位移傳感器，將其組裝在一付眼鏡兩側邊框上，使傳感器的探頭正對眼瞼，并通過光纖將傳感器與智能控制系統連接起來；該發明是以眼部疲勞的表情為基準，建立數學模型，對眼瞼閃動頻率、閉合時間乃至眼球轉動、瞳孔收擴進行動態監測。但由于人體眼部動作特點個體差異較大，且動作隨機性較強，故檢測準確度難以讓人滿意，且從人體正面采集圖像時，眼部和頭頸部的垂直向移動較難從圖像背景中檢測出來，這進一步影響了檢測的準確度。

綜上所述，現有技術中的各種疲勞駕駛檢測方法分別存在著檢測精度差，圖像處理要求高，技術難度大，軟硬件設計實現成本高等問題。

參考文獻：

[1]Yoav Freund, Robert E.Schapire. A Short Introduction to Boosting[J]. Journal of Japanese Society for Artificial Intelligence, 1999, 14(5): 771-780。

技術實現要素：

針對現有技術存在的不足，本發明的目的在于是提供一種檢測精度高，圖像處理和相應硬件要求較低，針對于鐵路安全駕駛，基于駕駛員頭部動作及面部表情的軌道交通駕駛員疲勞狀態監測方法。技術方案如下： 一種軌道交通駕駛員疲勞狀態監測方法，包括以下步驟：

步驟1：用設置在列車駕駛室的攝像頭采集駕駛員頭頸部圖像；

步驟2：通過視頻處理單元確定人臉的位置；

步驟3：根據人臉位置通過圖像采集單元采集駕駛員的面部表情圖像；

步驟4：根據眼睛在人臉位置的幾何關系定位左右兩只眼的位置，根據嘴巴形狀和其在人臉的位置確定嘴巴位置；

步驟5：通過狀態特征記錄單元記錄左右眼狀態特征和嘴巴表情特征，并傳送到狀態識別單元；

步驟6：狀態識別單元對上述左右眼狀態特征和嘴巴表情特征通過分類算法進行分類，判斷駕駛員是否處于瞌睡狀態；

步驟7：根據步驟2中得到的人臉位置在面部建立坐標系；

步驟8：頭部運動識別單元將坐標系移動特征與人體瞌睡狀態時的頭頸部移動特征比較，進而判斷駕駛員是否處于瞌睡狀態；

步驟9：若步驟6或步驟8檢測出駕駛員處于瞌睡狀態，則報警裝置發出報警提示，否則返回步驟1。

進一步的，所述步驟2中確定人臉位置的方法為：采用包含Adaboost算法的Haar分類器方法，將采集到的圖像與由大量預存的人臉圖像樣本構造的人臉模式進行對比，根據相似度判斷圖像中是否有人臉存在，若存在則記錄人臉的位置。

更進一步的，所述步驟7中在面部建立坐標系的方式為：將兩眼所在的直線作為x軸，將兩眼的中線所在的直線作為y軸。

本發明的有益效果是：

1）本發明系統設計簡單高效，檢測精度高，對圖像處理和相應硬件要求較低，具有成本較低、占用體積小、魯棒性強等特點；

2）本發明基于Adaboost^[1]算法的Haar^[1]分類器方法，能夠在較為復雜的背景環境下準確識別人臉狀態，實現快速準確的疲勞駕駛判斷，檢測靈敏度高、安全可靠；

3）本發明能夠對列車駕駛員進行疲勞駕駛警示，有效預防和減少因列車駕駛員疲勞駕駛導致的鐵路安全事故，提高了列車行車安全。

附圖說明

圖1本發明軌道交通駕駛員疲勞狀態監測方法的流程框圖。

圖2為面部坐標系的示意圖。

具體實施方式

下面結合附圖和具體實施例對本發明做進一步詳細說明。本發明采用針對視頻的計算機視覺（CV）技術，所用設備包括數字攝像機、補光設備和工業控制計算機，具體為—種基于駕駛員頭頸移動特征和五官表情特征識別的疲勞駕駛檢測方法。

當列車發動后，系統自動運行，數碼攝像機工作對駕駛員進行錄像，后臺主機通過檢測出駕駛員頭部區域，檢測眼睛和嘴巴狀態，在識別駕駛員頭部運動狀態同五官狀態一起發送給狀態識別單元進行識別，如果出現疲勞狀態則進行蜂鳴器報警反饋。方法流程圖如圖1所示，具體步驟如下：

步驟1：用設置在列車駕駛室的攝像頭采集駕駛員頭頸部圖像。

步驟2：通過視頻處理單元確定人臉的位置。

視頻處理單元利用包含Adaboost算法的Haar分類器方法，在較為復雜的環境背景下（列車駕駛室）區分人臉和非人臉，基于統計的方法則將人臉看作一個整體的模式——二維像素矩陣，從統計的觀點通過大量人臉圖像樣本構造人臉模式空間，根據相似度量來判斷人臉是否存在并確定人臉所在位置。

步驟3：根據人臉位置通過圖像采集單元采集駕駛員的面部表情圖像。

步驟4：根據眼睛在人臉位置的幾何關系定位左右兩只眼的位置，根據嘴巴形狀和其在人臉的位置確定嘴巴位置。

步驟5：通過狀態特征記錄單元記錄左右眼狀態特征（如疲勞性閉眼）和嘴巴表情特征（如頻繁的打哈欠），并傳送到狀態識別單元。

步驟6：狀態識別單元對上述左右眼狀態特征和嘴巴表情特征通過分類算法進行分類，判斷駕駛員是否處于瞌睡狀態。

步驟7：根據步驟2中得到的人臉位置在面部建立坐標系。如圖2所示，A、B兩點為人眼睛所在位置，將兩眼所在的直線作為x軸，將兩眼的中線所在的直線作為y軸，將兩眼所在的直線作為x軸，將兩眼的中線所在的直線作為y軸。

步驟8：頭部運動識別單元將坐標系移動特征與人體瞌睡狀態時的頭頸部移動特征（如頻繁的點頭打盹）比較，進而判斷駕駛員是否處于瞌睡狀態；

步驟9：若步驟6或步驟8檢測出駕駛員處于瞌睡狀態，則報警裝置發出報警提示，否則返回步驟1繼續監測。