基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于心率變異性非接觸測量的疲勞駕駛識別系統(tǒng)，包括圖像采集裝置、圖像處理裝置和報警裝置，其特征在于所述圖像采集裝置用于實時獲取駕駛?cè)嗣娌繄D像，并將采集的駕駛?cè)藞D像傳輸給圖像處理裝置；所述圖像處理裝置用于根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)；所述報警裝置用于當圖像處理裝置判定駕駛?cè)颂幱隈{駛疲勞狀態(tài)時進行報警提示。該系統(tǒng)實現(xiàn)了非接觸式監(jiān)測識別，進一步提高了疲勞駕駛判別的準確性和實時性。
【專利說明】基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能交通【技術(shù)領(lǐng)域】，具體涉及一種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)。
【背景技術(shù)】
[0002]駕駛疲勞是指駕駛員在一段時間的駕車之后所產(chǎn)生的反應(yīng)水平下降，這種下降表現(xiàn)在注意力分散、打瞌睡等，使駕駛操作失誤或完全喪失駕駛能力。當駕駛員處于疲勞狀態(tài)時，往往因不能及時回避瞬間出現(xiàn)的意外情況，導(dǎo)致事故的發(fā)生。
[0003]目前已有多種方法來對駕駛員的疲勞狀態(tài)進行判別。例如，借助車道輔助系統(tǒng)來判別駕駛員疲勞狀態(tài)。但當檢測到發(fā)生車道不正常改變時事故往往已經(jīng)發(fā)生，且它只適用于路況良好的城市內(nèi)公路和高速公路；對于路況稍差的非城市化道路，或遇有雨雪霧霾等惡劣天氣情況時，車道不明顯或不存在，以車道輔助系統(tǒng)為基礎(chǔ)的疲勞駕駛判別系統(tǒng)就起不到任何作用。
[0004]還有方案是使用已經(jīng)在醫(yī)學領(lǐng)域得到普及應(yīng)用的人體心率和呼吸率傳感裝置來獲得人體的心率和呼吸率數(shù)據(jù)，以此來判斷駕駛員是否處于疲勞狀態(tài)。雖然醫(yī)學研究早已證明這些信息與人的精神狀態(tài)確實存在確定關(guān)系，電子技術(shù)的發(fā)展也使得這些傳感裝置變得更微型化、更便于攜帶，但設(shè)置在人體腰腹部或手腕處的這類傳感裝置，還要與疲勞判別裝置連接，對駕駛員來說極為不便。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，目的在于使系統(tǒng)實現(xiàn)非接觸式，并進一步提高了疲勞駕駛判別的準確性和實時性，對疲勞駕駛的危險駕駛行為進行實時警示。
[0006]為了解決現(xiàn)有技術(shù)中的這些問題，本發(fā)明提供的技術(shù)方案是:
[0007]—種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，包括圖像采集裝置、圖像處理裝置和報警裝置，其特征在于所述圖像采集裝置用于實時獲取駕駛?cè)嗣娌繄D像，并將采集的駕駛?cè)藞D像傳輸給圖像處理裝置；所述圖像處理裝置用于根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)；所述報警裝置用于當圖像處理裝置判定駕駛?cè)颂幱隈{駛疲勞狀態(tài)時進行報警提示。
[0008]優(yōu)選的技術(shù)方案是:所述報警裝置選自以下報警提示器的一種或者兩者以上的任意組合:LED燈、語音報警器、安全帶振動器及座椅振動器。
[0009]優(yōu)選的技術(shù)方案是:所述圖像采集裝置選自攝像頭，攝像頭的輸出端與圖像處理裝置的輸入端連接。
[0010]優(yōu)選的技術(shù)方案是:所述圖像處理裝置為DSP處理系統(tǒng)，DSP處理系統(tǒng)的輸出端與報警裝置的輸入端連接。
[0011]優(yōu)選的技術(shù)方案是:所述圖像采集裝置安裝在車輛儀表盤的上方，以可拍攝到駕駛?cè)嗣鎸囕v正前方時的正面人臉圖像為安裝的基準。
[0012]本發(fā)明的另一目的在于提供一種基于心率變異性的疲勞駕駛識別方法，其特征在于所述方法包括以下步驟:
[0013](I)采集駕駛?cè)说拿娌繄D像；
[0014](2)根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)；
[0015](3)當判定駕駛?cè)颂幱隈{駛疲勞狀態(tài)時進行報警提示。
[0016]優(yōu)選的技術(shù)方案是:所述方法步驟(2)根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋园凑杖缦虏襟E進行:
[0017]I)利用人臉分類器對駕駛?cè)说拿娌繄D像進行人臉定位和器官識別，利用ASM進行臉部器官的定位；
[0018]2)根據(jù)定位的器官邊緣定位額頭、左右臉頰三個區(qū)域，統(tǒng)計一段時間內(nèi)三個區(qū)域內(nèi)的R、G、B值信號；
[0019]3)對R、G、B值信號進行ICA分析，對ICA分析結(jié)果的第二個分量進行插值、濾波處理，獲得心率變形性數(shù)據(jù)向量。
[0020]優(yōu)選的技術(shù)方案是:所述方法步驟(2)根據(jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)按照如下步驟進行:
[0021]I)獲取多組不同駕駛員在疲勞和不疲勞兩種狀態(tài)下的心率變異性數(shù)據(jù)向量，構(gòu)建訓練數(shù)據(jù)庫訓練分類器，并根據(jù)心率變異性數(shù)據(jù)向量的分析數(shù)據(jù)確定疲勞駕駛狀態(tài)判斷的閾值，建立疲勞駕駛判定模型；
[0022]2)根據(jù)駕駛?cè)藞D像獲取當前一段時間內(nèi)駕駛?cè)说男穆首儺愋詳?shù)據(jù)向量；
[0023]3)使用訓練好的分類器對步驟2)中得到的心率變異性數(shù)據(jù)向量進行分類，結(jié)合駕駛狀態(tài)數(shù)據(jù)庫中的信息，根據(jù)心率變異性數(shù)據(jù)向量的分類結(jié)果是否在疲勞駕駛狀態(tài)判斷的閾值確定當前一段時間內(nèi)駕駛員是否處于疲勞駕駛狀態(tài)。
[0024]心率變異性(HRV,Heart rate variability)是指逐次心跳周期差異的變化情況，能有效反映腦力和體力疲勞狀況，因而可以作為檢查駕駛疲勞的重要指標。心率變異性是指連續(xù)竇性心跳間瞬時心率的微小漲落。反映竇性心率的應(yīng)該是P-P間期，由于P-P間期難于準確檢測，且在一般情況下與R-R間期相等，目前HRV分析均采用R-R間期。心率變異性(HRV)分析方法包括線性分析方法和非線性分析方法，線性分析方法又包括時域分析方法和頻域分析方法。大量實驗結(jié)果表明，HRV信號線性指標中頻譜低頻與高頻的比值以及非線性指標中RR間期Ctl復(fù)雜度，與駕駛員的疲勞狀態(tài)和過程相關(guān)程度最大。
[0025]頻域分析法即功率譜分析法。它提供了能量隨頻率變化分布的基本信息，只要通過適當?shù)臄?shù)學運算，便可獲得時域信號的譜估計。常用的譜估計方法有兩種:周期圖估計法和AR模型參數(shù)譜估計法。本系統(tǒng)采用周期圖法進行譜估計，通過功率譜估計獲得HRV信號的高頻能量(HF, 0.15?0.4Hz)、低頻能量(LF，0.04?0.15Hz)、極低頻能量(VLF，0.03?
0.04Hz)和 LF/HF。
[0026]時域分析方法是通過統(tǒng)計學離散趨勢分析法計算RR間期變化的統(tǒng)計學方法。主要包括統(tǒng)計學分析方法和幾何圖形分析方法。包括以下指標:R-R間期最大值、R-R間期最小值、R-R 間期平均值、SDNN、SDANN、RMSSD, SDNN index、SDSD, NN50、pNN50 以及 R-R 間期直方圖、R-R間期差值直方圖、3R-R間期直方圖和心率趨勢圖。其中R-R間期直方圖以RR間期為橫坐標，心搏數(shù)為縱坐標繪直方圖。R-R間期差值直方圖以相鄰R-R間期的差為橫坐標，中點為O，心搏數(shù)為縱坐標繪直方圖。3R-R間期直方圖以相鄰每3R-R間期為橫坐標，心搏數(shù)為縱坐標繪直方圖。心率趨勢圖反映R-R間期隨時間的變化情況，以逐次心跳為橫坐標，R-R間期為縱坐標繪曲線圖。
[0027]本發(fā)明技術(shù)方案基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，首先將其安裝在車輛儀表盤上方，以攝像頭能拍攝到駕駛員面對車輛前方時的面部圖像為準，為了使系統(tǒng)在夜間也能工作同時又不影響駕駛員視線，在攝像頭上還安裝了紅外LED燈，它會根據(jù)周圍的光線環(huán)境自動開啟紅外燈，以彌補光線的不足，而且它發(fā)射出的肉眼不可見的光線不影響駕駛?cè)苏Ｐ旭偂＠脠D像處理的方法得到駕駛員的心率變異特征，以此為根據(jù)來實現(xiàn)疲勞駕駛判別，當駕駛員處于疲勞駕駛狀態(tài)時進行報警提示。
[0028]本發(fā)明提供一種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，通過圖像處理的方法得到駕駛員的心率變異特征，以此來判別疲勞駕駛姿態(tài)，使系統(tǒng)實現(xiàn)非接觸式，并進一步提高了疲勞駕駛判別的準確性和實時性。
[0029]本發(fā)明基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)包括圖像采集裝置、圖像處理裝置和預(yù)警裝置，其中圖像采集裝置，安裝好駕駛疲勞判別系統(tǒng)的車載終端后，用于實時采集駕駛員面部圖像序列。圖像處理裝置采用DSP處理系統(tǒng)。DSP處理系統(tǒng)，用于對采集到的駕駛員面部圖像序列進行處理分析，根據(jù)結(jié)果進行疲勞駕駛判別。預(yù)警裝置用于當判定駕駛員處于疲勞駕駛狀態(tài)時，利用燈光、語音、聲音、座椅振動等多種方式進行預(yù)警。圖像采集裝置采用攝像頭，圖像處理裝置采用基于DM6437的DSP處理系統(tǒng)；其中，攝像頭的輸出端與DSP處理系統(tǒng)的輸入端連接，DSP處理系統(tǒng)的輸出端與報警裝置的輸入端連接。
[0030]當然，圖像處理裝置中需要設(shè)置包括圖像采集、人臉定位與識別、HRV測量、HRV分析、駕駛疲勞判別、數(shù)據(jù)庫、預(yù)警提示等模塊，其中圖像采集模塊用于采集駕駛員的面部圖像序列；人臉定位與識別模塊用于對采集到的面部圖像進行人臉定位和人臉識別；HRV測量模塊用于通過人臉檢測、ASM、ICA等方法測量駕駛員的心率變異信息；HRV分析模塊用于對心率變異信息進行處理，分析HRV信號線性指標中頻譜低頻與高頻的比值與非線性指標中RR間期Ctl復(fù)雜度，將兩者結(jié)合起來，作為HRV的特征表征數(shù)據(jù)；駕駛疲勞判別模塊用于建立心率變異特征的判別模型，用以判斷駕駛疲勞；數(shù)據(jù)庫模塊用于存儲駕駛員人臉識別結(jié)果及心率變異特征表征數(shù)據(jù)信息；預(yù)警提示模塊用于當判定駕駛員處于疲勞駕駛狀態(tài)時，根據(jù)疲勞駕駛程度決定采取何種預(yù)警方式。
[0031]本發(fā)明中的通過圖像處理測量駕駛員心率實現(xiàn)疲勞駕駛判別的方法，包括以下步驟:
[0032]1.采集視頻圖像:攝像頭可安裝在車輛儀表盤的上方，以可拍攝到駕駛?cè)嗣鎸囕v正前方時的正面人臉圖像為基準，車輛啟動后，采用攝像頭進行視頻圖像采集，實時獲取駕駛?cè)嗣娌繝顟B(tài)信息。其中，為了能使本系統(tǒng)在夜間行駛時也能正常工作，在攝像頭上還安裝了紅外LED燈，它會根據(jù)周圍的光線環(huán)境自動開啟紅外燈，以彌補光線的不足，而且它發(fā)射出的肉眼不可見的光線不影響駕駛?cè)苏Ｐ旭偂?br> [0033]2.DSP處理系統(tǒng)分析圖像:視頻信號經(jīng)過轉(zhuǎn)換后傳送至DSP處理系統(tǒng)進行分析。
[0034]DSP處理系統(tǒng)的主要任務(wù)是如何判別駕駛?cè)似隈{駛狀態(tài)。本發(fā)明中，駕駛?cè)似隈{駛狀態(tài)的判別是根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)，可分為以下兩個步驟:
[0035](I)根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?br> [0036]I)利用人臉分類器對駕駛?cè)说拿娌繄D像進行人臉定位和器官識別，利用ASM進行臉部器官的定位；
[0037]2)根據(jù)定位的器官邊緣定位額頭、左右臉頰三個區(qū)域，統(tǒng)計一段時間內(nèi)三個區(qū)域內(nèi)的R、G、B值信號；
[0038]3)對R、G、B值信號進行ICA分析，對ICA分析結(jié)果的第二個分量進行插值、濾波處理，獲得心率變形性數(shù)據(jù)向量。
[0039]其中，利用ASM (Active Shape Model,主動形狀模型)進行臉部器官的定位，包括訓練和搜索兩個部分:
[0040]訓練由以下步驟組成:
[0041](I)搜集η張含有人臉面部區(qū)域的樣本圖片；
[0042](2)對于每個樣本圖片，手動標定每個訓練樣本中的k個關(guān)鍵特征點，組成了一個形狀向量ai;因此η個訓練樣本圖片就構(gòu)成了 η個形狀向量，即:
[0043]Qi=
[0044]其中，表示第i個`訓練樣本上第j個特征點的坐標；
[0045](3)采用Procrustes方法進行歸一化或?qū)R操作消除非形狀干擾；
[0046](4)將對齊后的形狀向量進行PCA處理，計算平均形狀向量W =:然后計算






n i=l
I "__
協(xié)方差矩陣φ；然后求協(xié)方差矩陣φ的特征值并將其按從大到
/7 ,-1,
小依次排序；
[0047](5)計算第j個訓練圖像上的第i個特征點的η個局部紋理gn, gi2,...，gin,計算
_ j n ^J η，—_
其均值g/ ~ ΣSy ;以及計算其方差4 ~~Si).(Sij -&)，得到該特征點。
[0048]采用特征點構(gòu)建局部特征，在每次迭代過程中，一個特征點的新的特征g與其訓練好的局部特征之間的相似性度量用馬氏距離來表示:
_9] fsin, = (g - Si 丨.(g - gf。
[0050]ASM搜索按照如下步驟進行:對樣本集進行訓練得到ASM模型后即可進行ASM搜索，對平均形狀以其中心逆時針旋轉(zhuǎn)Θ縮放S，然后再平移X。得到初始模型X = M(s，Θ)[aJ+X。，通過仿射變換和參數(shù)調(diào)整，用該初始模型在新圖像中所示目標形狀，計算每個特征點的新位置，使搜索到的最終形狀中的特征點和相對應(yīng)的真正特征點最為接近。這樣可以獲得待獲得特征部位的面部圖像的特征點。
[0051](2)根據(jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)
[0052]I)獲取多組不同駕駛員在疲勞和不疲勞兩種狀態(tài)下的心率變異性數(shù)據(jù)向量，構(gòu)建訓練數(shù)據(jù)庫訓練分類器，并根據(jù)心率變異性數(shù)據(jù)向量的分析數(shù)據(jù)確定疲勞駕駛狀態(tài)判斷的閾值，建立疲勞駕駛判定模型；
[0053]2)根據(jù)駕駛?cè)藞D像獲取當前一段時間內(nèi)駕駛?cè)说男穆首儺愋詳?shù)據(jù)向量；
[0054]3)使用訓練好的分類器對步驟2)中得到的心率變異性數(shù)據(jù)向量進行分類，結(jié)合駕駛狀態(tài)數(shù)據(jù)庫中的信息，根據(jù)心率變異性數(shù)據(jù)向量的分類結(jié)果是否在疲勞駕駛狀態(tài)判斷的閾值確定當前一段時間內(nèi)駕駛員是否處于疲勞駕駛狀態(tài)。
[0055]3.判斷是否報警和報警的具體方式:當判定駕駛?cè)颂幱谄隈{駛狀態(tài)時進行報警提示。本發(fā)明中注意力分散狀態(tài)的報警系統(tǒng)有多種方式。當發(fā)生注意力分散的情況時，考慮到報警方式的可接受性和報警效果，可采用以下報警方式:閃爍的LED燈、語音報警、安全帶振動及座椅振動。
[0056]相對于現(xiàn)有技術(shù)中的方案，本發(fā)明的優(yōu)點是:
[0057]在進行駕駛員疲勞狀態(tài)識別時，大部分算法都是局限于通過接觸式心率測量儀或判斷眼睛睜閉狀態(tài)等方法來判別駕駛疲勞狀態(tài)，本發(fā)明提出一種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，通過圖像處理的方法得到駕駛員的心率變異特征來判別駕駛疲勞狀態(tài)，使系統(tǒng)實現(xiàn)非接觸式，并進一步提高了疲勞駕駛判別的準確性和實時性。
【專利附圖】

【附圖說明】
[0058]下面結(jié)合附圖及實施例對本發(fā)明作進一步描述:
[0059]圖1為本發(fā)明基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)的硬件結(jié)構(gòu)示意圖；
[0060]圖2為本發(fā)明基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)的軟件架構(gòu)示意圖；
[0061]圖3為本發(fā)明基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)的工作流程示意圖。
[0062]圖4為根據(jù)ASM臉部器官定位結(jié)果截取的額頭及左右臉頰3個區(qū)域的效果圖；
[0063]圖5為根據(jù)ASM臉部器官定位結(jié)果截取的多個圖像同一區(qū)域的R、G、B值信號圖；
[0064]圖6為根據(jù)ASM臉部器官定位結(jié)果截取的多個圖像同一區(qū)域采用ICA分析的第二分量曲線圖。
【具體實施方式】
[0065]以下結(jié)合具體實施例對上述方案做進一步說明。應(yīng)理解，這些實施例是用于說明本發(fā)明而不限于限制本發(fā)明的范圍。實施例中采用的實施條件可以根據(jù)具體廠家的條件做進一步調(diào)整，未注明的實施條件通常為常規(guī)實驗中的條件。
[0066]實施例
[0067]如圖1所示，該基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)可以通過圖像處理測量駕駛員心率實現(xiàn)疲勞駕駛判別，包括圖像采集裝置、圖像處理裝置和預(yù)警裝置，其中圖像采集裝置，安裝好駕駛疲勞判別系統(tǒng)的車載終端后，用于實時采集駕駛員面部圖像序列。圖像處理裝置采用DSP處理系統(tǒng)。DSP處理系統(tǒng)，用于對采集到的駕駛員面部圖像序列進行處理分析，根據(jù)結(jié)果進行疲勞駕駛判別。預(yù)警裝置用于當判定駕駛員處于疲勞駕駛狀態(tài)時，利用燈光、語音、聲音、座椅振動等多種方式進行預(yù)警。圖像采集裝置采用攝像頭，圖像處理裝置采用基于DM6437的DSP處理系統(tǒng)；其中，攝像頭的輸出端與DSP處理系統(tǒng)的輸入端連接，DSP處理系統(tǒng)的輸出端與報警裝置的輸入端連接。
[0068]如圖2所示，圖像處理裝置采用DSP處理系統(tǒng)，其中設(shè)置包括圖像采集模塊、人臉定位與識別模塊、HRV測量模塊、HRV分析模塊、駕駛疲勞判別模塊、數(shù)據(jù)庫模塊、預(yù)警提示模塊，其中圖像采集模塊用于采集駕駛員的面部圖像序列；人臉定位與識別模塊用于對采集到的面部圖像進行人臉定位和人臉識別；HRV測量模塊用于通過人臉檢測、ASM、ICA等方法測量駕駛員的心率變異信息；HRV分析模塊用于對心率變異信息進行處理，分析HRV信號線性指標中頻譜低頻與高頻的比值與非線性指標中RR間期Ctl復(fù)雜度，將兩者結(jié)合起來，作為HRV的特征表征數(shù)據(jù)；駕駛疲勞判別模塊用于建立心率變異特征的判別模型，用以判斷駕駛疲勞；數(shù)據(jù)庫模塊用于存儲駕駛員人臉識別結(jié)果及心率變異特征表征數(shù)據(jù)信息；預(yù)警提示模塊用于當判定駕駛員處于疲勞駕駛狀態(tài)時，根據(jù)疲勞駕駛程度決定采取何種預(yù)警方式。
[0069]如圖3，本發(fā)明中基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)的工作流程具體包括以下步驟:
[0070]1.通過大量實驗，獲取多組不同駕駛員在疲勞和不疲勞兩種狀態(tài)下的心率變異數(shù)據(jù)向量(為便于處理，使獲取的數(shù)據(jù)向量維數(shù)相同)，并分析這些向量的低頻與高頻的比值以及RR間期Ctl復(fù)雜度，即可構(gòu)建訓練數(shù)據(jù)庫，并將訓練好的分類器存儲起來；
[0071]2.將本發(fā)明中的基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)安裝在車輛儀表盤上方，以攝像頭能拍攝到駕駛員面對車輛前方時的面部圖像為準；
[0072]3.為了使系統(tǒng)在夜間也能工作同時又不影響駕駛員視線，通過帶有紅外LED燈的攝像頭得到駕駛員視頻 圖像序列；
[0073]4.在采集到的視頻幀圖片序列中，使用訓練好的人臉分類器進行人臉檢測，獲取駕駛員人臉圖像；
[0074]5.使用ASM (Active Shape Model,主動形狀模型)對人臉圖像進行眼部、鼻子和嘴部的定位。主動形狀模型包括訓練和搜索兩個部分:
[0075]其中，ASM的訓練由以下步驟組成:
[0076](I)搜集η張含有人臉面部區(qū)域的樣本圖片；
[0077](2)對于每個樣本圖片，手動標定每個訓練樣本中的k個關(guān)鍵特征點，這樣就組成了一個形狀向量％，如此一來，η個訓練樣本圖片就構(gòu)成了 η個形狀向量，其中，％表示如下:
[0078]at=
[0079]其中，(?)表示第i個訓練樣本上第j個特征點的坐標；
[0080](3)為了消除圖片中人臉由于不同角度、距離遠近、姿態(tài)變換等外界因素造成的非形狀干擾，使點分布模型更加有效，采用Procrustes方法進行歸一化或?qū)R操作；
[0081](4)將對齊后的形狀向量進行PCA處理:
[0082]計算平均形狀向量:《 =丄


η ,.1[0083]計算協(xié)方差矩陣
【權(quán)利要求】
1.一種基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，包括圖像采集裝置、圖像處理裝置和報警裝置，其特征在于所述圖像采集裝置用于實時獲取駕駛?cè)嗣娌繄D像，并將采集的駕駛?cè)藞D像傳輸給圖像處理裝置；所述圖像處理裝置用于根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)；所述報警裝置用于當圖像處理裝置判定駕駛?cè)颂幱隈{駛疲勞狀態(tài)時進行報警提示。
2.根據(jù)權(quán)利要求1所述的基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，其特征在于所述報警裝置選自以下報警提示器的一種或者兩者以上的任意組合:LED燈、語音報警器、安全帶振動器及座椅振動器。
3.根據(jù)權(quán)利要求1所述的基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，其特征在于所述圖像采集裝置選自攝像頭，攝像頭的輸出端與圖像處理裝置的輸入端連接。
4.根據(jù)權(quán)利要求1所述的基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，其特征在于所述圖像處理裝置為DSP處理系統(tǒng)，DSP處理系統(tǒng)的輸出端與報警裝置的輸入端連接。
5.根據(jù)權(quán)利要求1所述的基于心率變異性非接觸式測量的疲勞駕駛識別系統(tǒng)，其特征在于所述圖像采集裝置安裝在車輛儀表盤的上方，以可拍攝到駕駛?cè)嗣鎸囕v正前方時的正面人臉圖像為安裝的基準。
6.一種基于心率變異性的疲勞駕駛識別方法，其特征在于所述方法包括以下步驟: (1)采集駕駛?cè)说拿娌繄D像； (2)根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋?，并根?jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)； (3)當判定駕駛?cè)颂幱隈{駛疲勞狀態(tài)時進行報警提示。
7.根據(jù)權(quán)利要求6所述的疲勞駕駛識別方法，其特征在于所述方法步驟(2)根據(jù)駕駛?cè)藞D像獲取駕駛?cè)说男穆首儺愋园凑杖缦虏襟E進行: 1)利用人臉分類器對駕駛?cè)说拿娌繄D像進行人臉定位和器官識別，利用ASM進行臉部器官的定位； 2)根據(jù)定位的器官邊緣定位額頭、左右臉頰三個區(qū)域，統(tǒng)計一段時間內(nèi)三個區(qū)域內(nèi)的R、G、B值信號； 3)對R、G、B值信號進行ICA分析，對ICA分析結(jié)果的第二個分量進行插值、濾波處理，獲得心率變形性數(shù)據(jù)向量。
8.根據(jù)權(quán)利要求6所述的疲勞駕駛識別方法，其特征在于所述方法步驟(2)根據(jù)駕駛?cè)说男穆首儺愋垣@取駕駛?cè)说鸟{駛疲勞狀態(tài)按照如下步驟進行: 1)獲取多組不同駕駛員在疲勞和不疲勞兩種狀態(tài)下的心率變異性數(shù)據(jù)向量，構(gòu)建訓練數(shù)據(jù)庫訓練分類器，并根據(jù)心率變異性數(shù)據(jù)向量的分析數(shù)據(jù)確定疲勞駕駛狀態(tài)判斷的閾值，建立疲勞駕駛判定模型； 2)根據(jù)駕駛?cè)藞D像獲取當前一段時間內(nèi)駕駛?cè)说男穆首儺愋詳?shù)據(jù)向量； 3)使用訓練好的分類器對步驟2)中得到的心率變異性數(shù)據(jù)向量進行分類，結(jié)合駕駛狀態(tài)數(shù)據(jù)庫中的信息，根據(jù)心率變異性數(shù)據(jù)向量的分類結(jié)果是否在疲勞駕駛狀態(tài)判斷的閾值確定當前一段時間內(nèi)駕駛員是否處于疲勞駕駛狀態(tài)。
【文檔編號】G08B21/06GK103824420SQ201310731569
【公開日】2014年5月28日 申請日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】張波, 張偉, 成波 申請人:蘇州清研微視電子科技有限公司, 清華大學蘇州汽車研究院（吳江）