一種基于俯視特征的盲駕檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及安全駕駛技術(shù)領(lǐng)域，特別是盲駕檢測(cè)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 隨著汽車保有量的快速增長(zhǎng)，人們?cè)谙硎艿浇煌ǖ谋憷涂旖莸耐瑫r(shí)，也伴隨著 各類交通事故的頻發(fā)，造成巨大的人員和經(jīng)濟(jì)損失。造成交通事故的因素很多，其中駕駛員 低頭玩弄手機(jī)或手持終端造成的"盲駕"是一個(gè)重要的誘發(fā)原因，因?yàn)樗幌耧嬀岂{駛或者 接打電話?cǎi){駛那樣被交通法規(guī)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(yuǎn)遠(yuǎn)超過(guò)飲酒駕駛或者接打電話?cǎi){駛，具體體現(xiàn)在當(dāng)駕駛員玩手機(jī)時(shí)，一般都需要低 頭或者俯視，視線嚴(yán)重偏離正前方，失去了對(duì)路面情況和周邊環(huán)境的有效觀察，一旦遇到緊 急情況或突發(fā)情況，將會(huì)大大削弱駕駛員的應(yīng)變能力，極易造成交通事故。當(dāng)車速在65km/ h時(shí)，低頭看手機(jī)2秒，相當(dāng)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(jī) 打開并閱讀一條微博需要12秒的話，相當(dāng)于汽車盲開約216米。另外，玩手機(jī)駕駛易導(dǎo)致 錯(cuò)過(guò)交通信號(hào)或看不到公告欄和其他標(biāo)志等。
[0003] 對(duì)于盲駕引起的交通事故，由于無(wú)法實(shí)時(shí)監(jiān)控駕駛員的駕駛行為，一些客運(yùn)和貨 運(yùn)企業(yè)的監(jiān)管部門只能以事后的推斷作為劃分責(zé)任的依據(jù)，無(wú)法進(jìn)行事前的監(jiān)控和預(yù)防。 因此，實(shí)時(shí)監(jiān)控駕駛員的盲駕行為，并及時(shí)反饋給運(yùn)輸企業(yè)監(jiān)管部門，對(duì)于預(yù)防重大交通事 故，有著重要的作用。

【發(fā)明內(nèi)容】

[0004] 針對(duì)上述問(wèn)題，本發(fā)明要解決的技術(shù)問(wèn)題在于提供一種盲駕檢測(cè)方法。
[0005] 具體技術(shù)方案如下：
[0006] 一種基于俯視特征的盲駕檢測(cè)方法，包括以下步驟：
[0007] 11)檢測(cè)開始前，加載人臉檢測(cè)分類器文件；
[0008] 12)檢測(cè)開始，實(shí)時(shí)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(cè)分類器文件以及步驟12)所得到的灰度圖像，判 斷當(dāng)前幀中人臉是否存在，如是，則在灰度圖像中準(zhǔn)確找到駕駛員的左、右眼睛的上眼瞼輪 廓，通過(guò)曲線擬合算法獲取上眼瞼的輪廓半徑；如否，則直接進(jìn)入步驟14);
[0010] 14)如人臉不存在，則基于人臉消失的時(shí)間特征判斷駕駛員是否處于盲駕狀態(tài)； 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(tài)；
[0011] 15)當(dāng)駕駛員處于盲駕狀態(tài)時(shí)，向駕駛員發(fā)出警報(bào)或向遠(yuǎn)程監(jiān)控的服務(wù)器發(fā)送駕 駛員處于盲駕狀態(tài)時(shí)的實(shí)時(shí)視頻。
[0012] 進(jìn)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(lán)三通道的值。
[0015] 進(jìn)一步，所述步驟13)包括以下步驟：
[0016] 31)獲取人臉檢測(cè)的有效區(qū)域，如上一幀沒(méi)有得到正確的人臉位置，則人臉檢測(cè)的 有效區(qū)域?yàn)槿珗D區(qū)域；如上一幀存在正確的人臉位置，則有效區(qū)域?yàn)樵谠腥四樉匦螀^(qū)域 的基礎(chǔ)上，向左右各擴(kuò)展半個(gè)人臉的矩形寬度，向上下各擴(kuò)展半個(gè)人臉的矩形高度，形成的 人臉檢測(cè)的有效區(qū)域；
[0017] 32)基于adaboost分類器，進(jìn)行人臉檢測(cè)；
[0018] 33)判斷人臉是否存在，如果是，清空時(shí)間戳列表，進(jìn)入步驟34)，如果否，把當(dāng)前 幀時(shí)間戳放入時(shí)間戳列表，進(jìn)入步驟14);
[0019] 34)基于人臉的"三庭五眼"布局規(guī)律，按照公式[2]、公式[3]，分別獲取左、右眼 睛的位置子區(qū)域rect_left、rect_right ;
【主權(quán)項(xiàng)】
1. 一種基于俯視特征的盲駕檢測(cè)方法，其特征在于，包括以下步驟： 11) 檢測(cè)開始前，加載人臉檢測(cè)分類器文件； 12) 檢測(cè)開始，實(shí)時(shí)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(cè)分類器文件以及步驟12)所得到的灰度圖像，判斷當(dāng) 前幀中人臉是否存在，如是，則在灰度圖像中準(zhǔn)確找到駕駛員的左、右眼睛的上眼瞼輪廓， 通過(guò)曲線擬合算法獲取上眼瞼的輪廓半徑；如否，則直接進(jìn)入步驟14); 14) 如人臉不存在，則基于人臉消失的時(shí)間特征判斷駕駛員是否處于盲駕狀態(tài)；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(tài)； 15) 當(dāng)駕駛員處于盲駕狀態(tài)時(shí)，向駕駛員發(fā)出警報(bào)或向遠(yuǎn)程監(jiān)控的服務(wù)器發(fā)送駕駛員 處于盲駕狀態(tài)時(shí)的實(shí)時(shí)視頻。
2. 根據(jù)權(quán)利要求1所述的一種基于俯視特征的盲駕檢測(cè)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(lán)三通道的值。
3. 根據(jù)權(quán)利要求1所述的一種基于俯視特征的盲駕檢測(cè)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(cè)的有效區(qū)域，如上一幀沒(méi)有得到正確的人臉位置，則人臉檢測(cè)的有效 區(qū)域?yàn)槿珗D區(qū)域；如上一幀存在正確的人臉位置，則有效區(qū)域?yàn)樵谠腥四樉匦螀^(qū)域的基 礎(chǔ)上，向左右各擴(kuò)展半個(gè)人臉的矩形寬度，向上下各擴(kuò)展半個(gè)人臉的矩形高度，形成的人臉 檢測(cè)的有效區(qū)域； 32) 基于adaboost分類器，進(jìn)行人臉檢測(cè)； 33) 判斷人臉是否存在，如果是，清空時(shí)間戳列表，進(jìn)入步驟34)，如果否，把當(dāng)前幀時(shí) 間戳放入時(shí)間戳列表，進(jìn)入步驟14); 34) 基于人臉的"三庭五眼"布局規(guī)律，按照公式[2]、公式[3]，分別獲取左、右眼睛的 位置子區(qū)域rect_left、rect_right;
其中，rect_face是圖像中的人臉位置區(qū)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(duì)應(yīng)的圓半徑 R和圓心center;
其中，n是參與擬合的點(diǎn)集數(shù)目，Xi、y^加擬合的點(diǎn)的坐標(biāo)； 37)獲取最終的上眼瞼輪廓半徑，具體做法為，計(jì)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(shí)把左眼睛的上眼瞼輪廓圓心的縱坐標(biāo)放入圓心列表中。
4.根據(jù)權(quán)利要求3所述的一種基于俯視特征的盲駕檢測(cè)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(jìn)行圖像模糊處理，采用如式[4]的模板進(jìn)行均 值濾波；
42) 圖像增強(qiáng)，按照公式[5]，基于gamma濾波理論校正圖像，增強(qiáng)眼睛圖像的對(duì)比度， 效果如圖3 ;
其中，g(x，y)是增強(qiáng)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(shù)，當(dāng)y〈1時(shí)，可以顯著增強(qiáng)低灰度值區(qū)域的對(duì)比度，當(dāng)y>1時(shí)，可 以顯著增強(qiáng)高灰度值區(qū)域的對(duì)比度； 43) 基于改進(jìn)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(jìn)行二值化處理；
44) 通過(guò)形態(tài)學(xué)閉運(yùn)算，把相鄰的邊緣連接起來(lái)形成連通區(qū)域； 45) 選擇眼睛連通區(qū)域，具體做法是先去除面積較小的連通區(qū)域，再選擇最大面積的連 通區(qū)域作為眼睛的連通區(qū)域； 46) 獲取眼睛連通區(qū)域的最上側(cè)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(jìn)行。
5. 根據(jù)權(quán)利要求4所述的一種基于俯視特征的盲駕檢測(cè)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(qū)域； 52) 選擇最大面積的連通區(qū)域作為眼睛的候選連通區(qū)域； 53) 判斷在候選連通區(qū)域的相近高度上是否存在其他的連通區(qū)域，如果存在，合并到候 選連通區(qū)域內(nèi)，形成最后的眼睛連通區(qū)域。
6. 根據(jù)權(quán)利要求1所述的一種基于俯視特征的盲駕檢測(cè)方法，其特征在于，所述步驟 14)包括以下步驟： 61) 判斷當(dāng)前幀中駕駛員人臉是否處于消失狀態(tài)，具體方法為，依據(jù)時(shí)間戳列表中人臉 消失的時(shí)間戳個(gè)數(shù)，如果時(shí)間戳個(gè)數(shù)大于〇,則進(jìn)入步驟62);否，則進(jìn)入步驟63); 62) 按照公式[10]，基于人臉消失的時(shí)間特征判斷駕駛員是否處于盲駕狀態(tài)，
其中，exist= 1說(shuō)明駕駛員處于盲駕狀態(tài)，timestampbe;gin是時(shí)間戳列表中人臉消失開 始的時(shí)間戳，timestamp^是時(shí)間戳列表中人臉消失結(jié)尾的時(shí)間戳，Tn是時(shí)間戳間隔閾值， 表示駕駛員人臉嚴(yán)重偏離正前方的時(shí)間持續(xù)多久算是處于盲駕狀態(tài)； 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(tài)，具體方法為在單位時(shí) 間T內(nèi)，按照公式[11]、公式[12]、公式[13]，統(tǒng)計(jì)駕駛員處于俯視狀態(tài)的幀數(shù)，按照公式 [14]，判斷駕駛員是否處盲駕狀態(tài)；
其中，exist= 1表示駕駛員處于盲駕狀態(tài)，N是單位時(shí)間內(nèi)的總幀數(shù)，N_R是單位時(shí)間 內(nèi)處于俯視狀態(tài)的幀數(shù)，r[i]表示半徑列表內(nèi)第i幀的半徑，R1是正常情況下向前看時(shí)的 上眼瞼半徑，R2是俯視向下看時(shí)的上眼瞼半徑，c[i]表示圓心列表內(nèi)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(fā)明公開了一種基于俯視特征的盲駕檢測(cè)方法，本發(fā)明采用視頻圖像處理技術(shù)，監(jiān)控駕駛員眼睛的俯視特征，依據(jù)駕駛員處于俯視狀態(tài)時(shí)間的長(zhǎng)短實(shí)時(shí)判斷是否存在盲駕行為，具有監(jiān)控準(zhǔn)確度高，漏檢誤檢少，受環(huán)境影響小，速度快，成本低等特點(diǎn)。
【IPC分類】G06T7-00, G06K9-62
【公開號(hào)】CN104573725
【申請(qǐng)?zhí)枴緾N201510013113
【發(fā)明人】張卡, 何佳, 尼秀明, 徐小偉
【申請(qǐng)人】安徽清新互聯(lián)信息科技有限公司
【公開日】2015年4月29日
【申請(qǐng)日】2015年1月9日