基于3G視頻的駕駛員疲勞狀態檢測方法
加入技術交流群
3．1 眼睛粗略定位
準確定位人臉后，根據面部器官分布，人眼在臉部的上半部，可以很簡單的確定一個大概區域。觀察人臉圖片，發現眼部在水平方向經過皮膚、左眼眼白、左眼瞳孔、左眼眼白、皮膚、右眼眼白、右眼瞳孔、右眼眼白、皮膚、灰度變化較大。在灰度變化突變處進行微分，將產生高值，將其絕對值累加，則灰度變化越大的那一行，累積值越大。計算公式如下
f(x，y)為得到的人臉區域的灰度圖像，通過實驗發現，在眼睛處導數變化值之和的絕對值最大，通過此方法可粗略判斷人眼所在線的位置。
3．2 人眼精確定位
通過觀察發現眼睛周圍Cb值較高，而Cr值較低，因此由式(5)計算得到特征圖，以突出眼部特征。
其中，EyeMap是眼睛特征圖，
都歸一化到[0，255]之間，
是由Cr求反得到(255，Cr)。在得到EyeMap圖后，設定閥值T，將EyeMap小于T的值設為0，這一步可視為一個簡單的濾波以去掉非眼部特征的干擾。得到EyeMap濾波圖后，結合人眼粗定位結果，從左到右搜索，按比例定義相對于人臉區域一定大小的框，當框進EyeMap濾波圖值的和最大時，即為人眼。
3．3 眼睛的追蹤
對人眼完成定位后，還要利用動態模板匹配的方法跟蹤眼睛。設眼睛模板左上角的位置為(x，y)，下一幀的搜索范圍是原位置上沿上、下、左、右4個方向各擴展10個像素。其公式為
式中，N是模板中像索的個數；M為模板；I為圖像中待匹配的部分。
可得所有大于閾值p的最大值所對應的坐標為最匹配的位置。以此得到的眼睛圖像作為下一幀圖像的模板。在追蹤的過程中，若得到的p均小于閾值或兩眼的行距過大則重新回到眼睛的檢測過程。
4 基于Perclos的疲勞識別
文中的疲勞識別基于Perclos的P80模型，即將閉合程度大于80％的眼睛狀態判斷為閉合狀態。以初始時刻司機清醒時的上下眼瞼最大距離為標準，若以后得到的距離小于此距離的80％則判斷為閉合。假設實驗視頻幀率10 f·s-1分辨率為640×480，時長60s。
則以每6 s視頻作為1個檢測單元，間隔0．33 s取1幀作眼睛狀態檢測。統計每個檢測單元內18幀圖像的狀態，得到眼睛閉合幀數CloseFr ame_Num和處理的總幀數SumFrame_Num，依據式(7)計算相應的Perclos值。
如果所得Perclos值大于實驗確定的閾值20％，則判斷此時駕駛員可能已處于疲勞狀態，通過報警系統進行警告。
5 結束語
視頻監控能對駕駛者進行監督提醒，有效預防疲勞駕駛，減少疲勞駕駛所引起的車輛事故。3G視頻監控是車輛監控發展的新趨勢。算法在3G監控視頻幀的基礎上，進行了人臉定位、人眼定位與追蹤及疲勞狀態判斷。實驗表明，該算法有較高的魯棒性及準確性，并能有效應用于實際。本文引用地址：http://www.104case.com/article/194461.htm
評論