全天候疲劳驾驶检测方法

摘要

本发明提供了一种全天候疲劳驾驶检测方法。通过摄像头获取人脸图像初步的定位出人的眼睛；然后光照预处理获得具有良好光照处理的人眼图像，再与训练出来的人眼模板进行匹配，从而获得人眼睁闭状态；最后通过PERCLOS疲劳判断准则来判断驾驶人员是否疲劳。本发明提出一种对比度均衡的光照预处理方法，利用图像明暗区的变化，并根据像素矩阵函数和高斯差分函数进行卷积运算，从而实现对比度均衡。另外，本发明提出一种多特征融合的人眼定位方法，汲取各类特征的优点，使得融合后的特征能更加有效的表征检测对象，检测更加准确，适应性更强。

主权项

全天候疲劳驾驶检测方法，其特征在于，包括以下步骤：步骤1、建立人眼库：1‑1）截取各种不同光照下以及不同闭合程度的人眼图片建立人眼库；1‑2）对人眼图片进行光照预处理后输入人眼分类器；步骤2、分类器训练：2‑1）对输入人眼分类器的图片进行LBP特征、haar‑like特征、Gabor特征的提取；2‑2）将LBP特征、haar‑like特征、Gabor特征按顺序组合成一个联合特征列向量{n1,n2,n3}T，其中n1表示LBP特征的维数，n2表示haar‑like特征的维数，n3表示Gabor特征维数；2‑4）利用联合特征列向量采用Adaboost的方法训练出人眼分类器；步骤3、人眼定位：3‑1）检测输入的视频流中的人脸图像，根据人眼分布的几何位置对人眼继续粗定位；3‑2）对粗定位的人眼图片进行光照预处理；3‑3）利用人眼分类器对光照预处理后的粗定位人眼图片进行检测得到人眼精定位图片；步骤4、疲劳判定：4‑1）：将人眼精定位图片与标准人眼图片进行匹配，得到当前人眼闭合状态；4‑2）：统计出在一定时间内眼睛的各闭合状态，结合PERCLOS准则判定是否疲劳；所述光照预处理为：先对图片进行伽马变换；再对伽马变换后的图像的像素矩阵函数和高斯函数进行卷积运算，并与原始图像做差分处理，再根据目标和背景频带增益对差分处理后的图像进行滤波；最后对滤波后的图像进行对比度归一化处理。