基于驾驶员脸部特征和车道偏离检测的预警系统

摘要

本发明公开了基于驾驶员脸部特征和车道偏离检测的预警系统，包括用于采集驾驶员眼睛开闭状态以及驾驶员转头状态的信息的摄像头一以及用于采集道路图像的摄像头二，图像存储模块，用于存储所述的摄像头一和摄像头二采集的信息，图像分析系统，用于分析图像存储模块内储存的信息，以及报警系统，该报警系统依据图像分析系统判断的结果发出相对应的报警提示音。本发明能通过驾驶员的脸部图像以及道路图像适时判断驾驶员所处的疲劳状态，并根据该疲劳状态发出相应的报警提示音，报警及时，效果明显。

说明书

技术领域

本发明涉及疲劳驾驶报警技术，具体涉及基于驾驶员脸部特征和车道偏离检测的预警系统。

背景技术

随着交通的日益发展以及汽车消费的日渐兴起，驾驶员尤其是专业司机的疲劳驾驶的问题开始受到关注，因为疲劳驾驶是导致恶性交通事故的主要原因之一。据调查，全世界每年发生的交通事故中，19％与疲劳驾驶有关联。尤其在长途和高速驾驶过程中，疲劳驾驶导致的直接碰撞事故，占到事故总数的25％，其导致的死亡人数，更占据灾难事故的41％。

驾驶员疲劳驾驶作为交通事故发生的重要隐患，已经引起人们的广泛关注。目前已出现了许多疲劳驾驶的检测装置来判断驾驶员是否处于疲劳驾驶状态，但是这些检测装置都存在不同程度的缺陷。例如美国DigitalInstallations公司开发的SAM疲劳驾驶报警系统，利用放置在方向盘下方的磁条检测方向盘的转角，如果一段时间内检测不到方向盘进行任何修正动作，则系统就会认为驾驶员疲劳驾驶而报警，但在弯道多的地方误报会非常严重。如：通过硬件设备检测驾驶员头部的姿势来进行疲劳驾驶的判断，检测装置需要与驾驶员头部接触，影响驾驶员的注意力，加速了驾驶员疲劳的速度，增加了疲劳驾驶发生的几率，降低了驾驶的安全性。软件方面，有些软件通过监测驾驶员脸部表情特征在一段时间内是否发生变化来判断是否处于疲劳状态，但由于面部表情多变且人与人之间面部图像差异太大，所以效果也都不佳。

发明内容

本发明针对上述问题，提供了基于驾驶员脸部特征和车道偏离检测的预警系统，采用多个摄像头拍摄驾驶员的脸部图像以及行车的道路图像，并对所拍摄的图像作出相应的分析计算后与相对应的阈值相对比，确定疲劳状态，报警系统根据疲劳状态发出相应的语音提示，起到适时预警效果。

为解决上述技术问题，本发明采用的一个技术方案是：基于驾驶员脸部特征和车道偏离检测的预警系统，包括摄像头一，用于采集驾驶员眼睛开闭状态以及驾驶员转头状态的信息。

图像存储模块，用于存储所述的摄像头一采集的信息。

图像分析系统，用于分析图像存储模块内储存的信息，计算出驾驶员闭眼次数占总检测次数的百分比、闭眼持续时长以及驾驶员转头持续时长作为结果并将该结果与预设的疲劳阈值相比，判断出该驾驶员所处的疲劳状态。

报警系统，依据图像分析系统判断的疲劳状态，报警系统发出相对应的报警提示音。

还包括用于获取本次驾驶时长以及当前车速的信息模块并根据该信息模块内的信息计算出驾驶员当前的灵敏度系数，该灵敏度系数与结果相乘后与疲劳阈值相对比，报警系统发出相应的报警提示音。

驾驶员的闭眼持续时长达5S时，报警系统发出相应的报警提示音。

在车速高于20km/h时且驾驶员的转头状态为向左或右转头持续时长达6S时，图像分析系统判断驾驶员处于转头过久状态，报警系统发出相应的报警提示音。

还包括用于采集道路图像的摄像头二，该摄像头二采集的道路图像存储至图像存储模块内，图像分析系统分析道路图像并将分析结果与预先设定的车道偏离阈值相比较，报警系统发出相应的报警提示音。

图像分析系统分析道路图像的过程包括确定所采集的道路图像的梯形感兴趣区域，基于结构化道路假设，将道路图像进行区域分割，分为近视场和远视场，运用低通滤波等图像预处理方法去噪，基于灰度阈值分割进行边缘检测，确定车道边缘特征候选点，从而确定左车道线、右车道线，图像分析系统计算出左车道线和右车道线的内角角平分线与该道路图像的画面垂线的夹角并将该夹角与预定值相比以判断车道是否偏离，统计偏离次数占总检测次数的百分比、偏离持续时长并与预设阈值相比，判断出驾驶员的疲劳状态，报警系统根据该疲劳状态发出相应的报警提示音。

其中，夹角不小于30度且持续时长达4S时，报警系统发出相应的报警提示音。

本发明的有益效果是：本发明能通过驾驶员的脸部图像以及道路图像适时判断驾驶员所处的疲劳状态，并根据该疲劳状态发出相应的报警提示音，报警及时，效果明显。

附图说明

图1是脸部图像分析流程图；

图2是灵敏度设定表；

图3是道路图像的分析流程图；

图4是夹角α的计算示意图。

具体实施方式

下面结合实施例，对本发明的具体实施方式作进一步描述。

基于驾驶员脸部特征和车道偏离检测的预警系统，包括摄像头一、摄像头二，摄像头一、摄像头二均为红外摄像头，用于采集驾驶员眼睛开闭状态以及驾驶员转头状态的信息，摄像头二用于采集道路图像。

图像存储模块，用于存储所述的摄像头一以及摄像头二采集的信息。

图像分析系统，用于分析图像存储模块内储存的信息。

报警系统，根据图像分析系统作出的判断发出相应的报警提示音，报警提示音优选采用语音提示。

实施例一，

PERCLOS定义为单位时间内眼睛闭合所占的时间比例。实践证明，驾驶员眼睛闭合时间越长，疲劳程度就越严重，通过测量眼睛闭合时间的长短就能够确定疲劳驾驶的程度。

拍摄脸部图像的频率为40ms一次，以3分钟为一个时间单元，统计3分钟内检测到的“闭眼”次数占总检测次数的百分比，作为PERCLOS值。系统实时统计前3分钟的PERCLOS值。

行车过程中，摄像头一采集驾驶员脸部图像存储至图像存储模块，图像分析系统分析图像存储模块内的图像(具体分析过程如图1所示)，通过驾驶员脸部图像的面部五官特征点判断该驾驶员的转头状态并采用ELBP眼睛图像模板匹配方法判断眼睛的开闭状态，作出相应的统计，将统计结果与疲劳阈值为25％相对比，即当闭眼次数比例超过25％(PERCLOS＞25％)时，判定为驾驶员出现明显疲劳特征，报警系统发出相应的语音提示；当12.5％＜PERCLOS≤25％时，判断驾驶员出现轻微疲劳特征，报警系统发出相应的语音提示；当PERCLOS≤12.5％时，判定驾驶员未出现疲劳特征，报警系统发出相应的语音提示或静音。

若驾驶员闭眼持续时长达0.5S，报警系统立刻发出报警提示音。

此外，若统计出驾驶员左或右转头持续时长达6秒时，判断驾驶员为“转头过久”状态，报警系统发出与此相对应的报警提示音。

实施例二，

在实施例一的基础上，本系统增加相应的用于获取本次驾驶时长以及当前车速的信息模块，根据该信息模块内获取的数据计算当前驾驶员所具有的灵敏度(如图2所示)，不同的灵敏度具有不同的灵敏度系数，灵敏度系数设定如下：

中灵敏度(灵敏度b)灵敏度系数Kb为1，低灵敏度(灵敏度a)Ka＝1.18，高灵敏度(灵敏度c)Kc＝0.95。

将该灵敏度系数与实施例一所述的统计结果相乘后与疲劳阈值相比，判断驾驶员当下的疲劳状态并发出相应的报警提示音。

其中，若驾驶员闭眼持续时长达0.5S，报警系统立刻发出报警提示音。

此外，在车速高于20km/h的情况下，若统计出驾驶员左或右转头持续时长达6秒时，判断驾驶员为“转头过久”状态，报警系统发出与此相对应的报警提示音，若车速低于20km/h，则不检测转头状态。

实施例三，

在实施例二的基础上，在本系统中增加用于捕捉道路图像的摄像头二，道路图像存储至图像存储模块，图像分析系统分析道路图像确定车道线，具体分析过程如图3所示：确定道路图像的梯形感兴趣区域，基于结构化道路假设，将道路图像进行区域分割，分为近视场和远视场，运用低通滤波等图像预处理方法去噪，基于灰度阈值分割进行边缘检测，确定车道边缘特征候选点，从而确定左车道线l1、右车道线l2。

如图4所示，图像分析系统根据确定的左车道线与右车道线，计算出左车道线和右车道线的内角角平分线与该道路图像的画面垂线的夹角α并将该夹角α与预定值相比以判断车道是否偏离，若夹角α≥30°，则判断该车辆处于大角度偏离状态，大角度偏离状态持续时长达4S时，报警系统立刻发出相应的报警声。

摄像头二捕捉道路图像的频率为40ms一次，以1分钟为一个时间单位，统计一分钟内检测到的“车道偏离”次数占总检测次数的百分比，作为车道偏离值Y，即：

车道偏离概率值Y＝偏离次数/总检测次数(1分钟内)，实时统计前1分钟的Y值。

根据计算结果，系统选取疲劳阈值为66％，即当车道偏离值Y超过66％时，判定为驾驶员出现明显疲劳特征；当33％＜Y≤66％时，判断驾驶员出现轻微疲劳特征；当Y≤33％时，判定驾驶员未出现疲劳特征。

对于本领域的技术人员来说，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。