用于驾驶考试的驾驶人头部伸出车窗的检测方法和系统与流程

本发明涉及机动车驾驶人考试评判技术领域，特别涉及一种用于驾驶考试的驾驶人头部伸出车窗的检测方法和系统。

背景技术：

驾驶人考试过程中，考生将头部伸出车窗或伸出车窗外观察后方交通情况是驾驶人考试过程中一种常见的错误驾驶行为，解决驾驶人头部伸出车窗的智能化实时检测是驾驶人智能考试评判系统需要解决的重要技术难点。

目前，针对驾乘人员身体伸出车窗的监测方法主要依靠安装在车窗上的多组红外线传感器进行检测。缺乏专门针对驾驶人考试过程中头部伸出窗外检测方法。

技术实现要素：

鉴于现有技术缺乏专门针对驾驶人考试过程中头部伸出窗外检测方法的问题，提出了本发明的一种检测车辆驾驶人的头部伸出车窗的方法和系统，以便解决或至少部分地解决上述问题。

根据本发明的一个方面，提供了一种用于驾驶考试的驾驶人头部伸出车窗的检测方法，所述方法包括：

利用固定于车辆指定位置上的摄像头采集多名驾驶人的头部处于基准位置时头部基准图像以及采集多名驾驶人的头部伸出车窗时头部伸出图像，离线构建头部位置识别分类器；

驾驶考试开始后，融合考试车辆位置和车速确定构建坐姿变化预警分类器参数采集时刻，利用安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器同步采集相应参数，筛选驾驶人坐姿变化特征参数，确定该驾驶人处于基准位置下的各特征参数范围，在线构建坐姿变化预警分类器；

同步采集该驾驶人的所述头部图像以及所述各参数，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定所述头部图像是否需要检测及检测的优先级，并将需要检测的所述头部图像保存到预设待检测图像库；

利用所述头部位置识别分类器按照优先级的大小依次判断所述待检测图像库中的所述头部图像中的该驾驶人头部是否伸出车窗。

可选地，所述离线构建头部位置识别分类器包括：

利用固定于车辆指定位置上的摄像头采集多名驾驶人的头部处于基准位置时头部基准图像以及采集多名驾驶人的头部伸出车窗时头部伸出图像，构建头部位置样本数据库；

筛选头部位置识别分类器的特征参数，包括：头部轮廓内平均灰度值I，单位：无量纲；头部轮廓几何中心距离头枕中心位置距离ΔL，单位：m；头部轮廓对称轴与水平线夹角α，单位：度；

利用机器学习的方法离线构建头部位置识别分类器。

可选地，所述驾驶考试开始后，融合考试车辆位置和车速确定构建坐姿变化预警分类器参数采集时刻包括：

考试开始后，利用车速传感器采集当前车速V，单位：m/s，利用车载GPS定位终端确定当前车辆位置和考试科目；

当车辆位于考试起始位置，且V＞0时，开始采集构建坐姿变化预警分类器所需参数，包括：利用座椅压力传感器采集座椅坐垫压力参数和靠背压力参数，利用安全带长度传感器采集安全带伸出长度参数，建立该驾驶人处于基准位置时坐姿样本数据库；

当车辆进入具体考试科目场地位置，且V＝0时，停止采集构建坐姿变化预警分类器所需参数。

可选地，所述在线构建坐姿变化预警分类器，包括：

筛选坐姿变化预警分类器特征参数，

(1)基于座椅坐垫压力参数，筛选座椅坐垫压力特征参数，包括：总压力F_c，单位：N；接触面积S_c，单位：m²；平均压强P_c，单位：Pa；压力中心位置(X_cf,Y_cf)，单位：cm；几何中心位置(X_cs,Y_cs)，单位：cm；

(2)基于座椅靠背压力参数，筛选座椅靠背压力特征参数，包括：总压力F_b，单位：N；接触面积S_b，单位：m²；平均压强P_b，单位：Pa；压力中心位置(X_bf,Y_bf)，单位：cm；几何中心位置(X_bs,Y_bs)，单位：cm；

(3)基于安全带伸出长度参数，筛选安全带长度特征参数，包括：总长度l_sb，单位：cm；变化速度V_sb，单位：m/s；

基于统计分析法，确定该驾驶人处于基准位置下的所述各特征参数范围，在线构建坐姿变化预警分类器。

可选地，所述确定头部图像是否需要检测及检测的优先级包括：

同步采集驾驶人的头部图像、座椅坐垫压力参数、座椅靠背压力参数、安全带伸出长度参数，实时计算坐姿变化预警分类器特征参数的参数值，并输入坐姿变化预警分类器，坐姿变化预警分类器输出当前坐姿状态Sps，单位：无量纲，优先级Pr，单位：无量纲，其中，Sps取值为0或1，当Sps＝0时，表示当前坐姿无明显变化，当Sps＝1时，表示当前坐姿出现明显变化，即Pr值为0至16之间的正整数，当Sps＝0时，Pr＝0，表示当前预警的优先级为0，不预警，当Sps＝1时，Pr＝1,2，…，16，表示当前预警的优先级，取值越大优先级越高，即

根据坐姿变化预警分类器输出结果，判断对应头部图像检测优先级，将需要检测的所述头部图像保存到预设待检测图像库。

可选地，所述驾驶人头部位置检测，包括：依次将待检测图像库内的图像输入头部位置识别分类器，若检测到驾驶人头部伸出窗外，则报警，若未检测到驾驶人头部伸出窗外，则读取待检测图像库内优先级最高图像，进行下一周期检测。

根据本发明的另一个方面，提供了一种用于驾驶考试的驾驶人头部伸出车窗的检测系统，所述系统包括：

摄像头，固定于车辆指定位置上的摄像头，用于采集驾驶人的头部处于基准位置时头部基准图像以及采集驾驶人的头部伸出车窗时头部伸出图像；以及当驾驶人驾驶考试开始后，采集驾驶人的头部图像；

车速传感器，用于采集考试车辆的速度；

车载GPS定位终端，用于采集考试车辆的位置；

安装于驾驶人座椅坐垫中的压力传感器，用于在驾驶考试过程中采集座椅坐垫压力参数；

安装于驾驶人座椅靠背中的压力传感器，用于在驾驶考试过程中采集座椅靠背压力参数；

安装于驾驶人安全带装置中的安全带长度传感器，用于在驾驶考试开始前和驾驶考试开始后采集安全带长度参数；

处理器模块，用于根据所述摄像头采集的图像离线构建头部位置识别分类器；确定构建坐姿变化预警分类器参数采集时刻，以及利用安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器同步采集相应参数，确定该驾驶人处于基准位置下的各特征参数范围，在线构建坐姿变化预警分类器；根据采集该驾驶人的所述头部图像以及所述各特征参数，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定所述头部图像是否需要检测及检测的优先级，并将需要检测的所述头部图像保存到预设待检测图像库；利用所述头部位置识别分类器按照优先级的大小依次判断所述待检测图像库中的所述头部图像中的该驾驶人头部是否伸出车窗。

可选地，所述处理器模块具体用于：

从所采集的每个图像中提取头部位置识别分类器的特征参数；

利用机器学习方法离线构建头部位置识别分类器。

可选地，所述头部位置检测特征参数包括：头部轮廓内平均灰度值I，单位：无量纲；头部轮廓几何中心距离头枕中心位置距离ΔL，单位：m；头部轮廓对称轴与水平线夹角α，单位：度，构成头部位置识别样本数据。

可选地，所述处理器模块确定构建坐姿变化预警分类器参数采集时刻具体包括：

考试开始后，利用车速传感器采集当前车速V，单位：m/s，利用车载GPS定位终端确定当前车辆位置和考试科目；

当车辆位于考试起始位置，且V＞0时，开始采集构建坐姿变化预警分类器所需参数，包括：利用座椅压力传感器采集座椅坐垫压力参数和靠背压力参数，利用安全带长度传感器采集安全带伸出长度参数，建立该驾驶人处于基准位置时坐姿样本数据库；

当车辆进入具体考试科目场地位置，且V＝0时，停止采集构建坐姿变化预警分类器所需参数。

可选地，所述在线构建坐姿变化预警分类器，其特征在于，

筛选坐姿变化预警分类器特征参数，

(1)基于座椅坐垫压力参数，筛选座椅坐垫压力特征参数，包括：总压力F_c，单位：N；接触面积S_c，单位：m²；平均压强P_c，单位：Pa；压力中心位置(X_cf,Y_cf)，单位：cm；几何中心位置(X_cs,Y_cs)，单位：cm；

(2)基于座椅靠背压力参数，筛选座椅靠背压力特征参数，包括：总压力F_b，单位：N；接触面积S_b，单位：m²；平均压强P_b，单位：Pa；压力中心位置(X_bf,Y_bf)，单位：cm；几何中心位置(X_bs,Y_bs)，单位：cm；

(3)基于安全带伸出长度参数，筛选安全带长度特征参数，包括：总长度l_sb，单位：cm；变化速度V_sb，单位：m/s；

基于统计分析法，确定该驾驶人处于基准位置下的所述各特征参数范围，在线构建坐姿变化预警分类器。

可选地，所述头部位置识别分类器检测驾驶人头部是否伸出车窗具体包括：

利用同步的采集驾驶人的头部图像、座椅坐垫压力参数、座椅靠背压力参数、安全带伸出长度参数，实时计算坐姿变化预警分类器特征参数的参数值，并输入坐姿变化预警分类器；

根据坐姿变化预警分类器输出结果，判断对应头部图像检测优先级，将需要检测的所述头部图像保存到预设待检测图像库；

依次将待检测图像库内的图像输入头部位置识别分类器，若检测到驾驶人头部伸出窗外，则报警，若未检测到驾驶人头部伸出窗外，则读取待检测图像库内优先级最高图像，进行下一周期检测。

综上所述，本发明首先离线构建头部位置识别分类器，当该驾驶人驾驶考试开始后，根据参加考试的驾驶人自身的状态在线构建坐姿变化预警分类器；利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定该驾驶人头部图像是否需要检测及检测的优先级，并将需要检测的头部图像保存到预设待检测图像库内；最后利用头部位置识别分类器按照优先级的大小依次判断待检测图像库中的头部图像中的该驾驶人头部是否伸出车窗。可见，本发明融合摄像头、座椅上的压力传感器和安全带长度传感器的参数实现对驾驶人头部伸出车窗的有效准确的检测；同时根据驾驶人本身的身体姿态信息进行驾驶人姿态变化的判断，可以提高检测效率，实现对驾驶人头部伸出车窗的准确实时检测。

附图说明

图1为本发明一个实施例提供的一种用于驾驶考试的驾驶人头部伸出车窗的检测方法流程图；

图2为本发明一个实施例提供的一种用于驾驶考试的驾驶人头部伸出车窗的检测系统示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1为本发明一个实施例提供的一种用于驾驶考试的驾驶人头部伸出车窗的检测方法流程图。如图1所示，该方法包括：

步骤S110，利用固定于车辆指定位置上的摄像头采集多名驾驶人的头部处于基准位置时头部基准图像以及采集多名驾驶人的头部伸出车窗时头部伸出图像，离线构建头部位置识别分类器。

这里采集的头部处于基准位置时头部基准图像以及头部伸出车窗时的多个头部探向图像可以利用多个(大于或者等于100)驾驶人在驾驶考试前进行预先采集，且因为驾驶人的头部伸出车窗的动作不一致，例如头部伸出车窗、头部贴近车窗或者头部半伸出车窗等许多不同的动作，为了达到检测的目的，在这里采集头部探向图像的时候需要采集多个。然后再根据所采集的图像建立头部位置识别分类器。

步骤S120，驾驶考试开始后，融合考试车辆位置和车速确定构建坐姿变化预警分类器参数采集时刻，利用安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器同步采集相应参数，筛选驾驶人坐姿变化特征参数，确定该驾驶人处于基准位置下的各特征参数范围，在线构建坐姿变化预警分类器。

本步骤中，考试开始后采集数据的开始时刻和结束时刻可以通过车速传感器和车载GPS定位终端进行判断。当驾驶人上车后，车速大于零的时候，视为驾驶人开始驾驶车辆的时候，这时开始采集数据；当车辆到达考试科目起始位置，且车速为零的时候，为该过程的结束时刻，此时停止采集数据，根据采集的数据在线构建坐姿变化预警分类器。安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器同步采集相应参数可以反映驾驶人的身体姿态信息，确定驾驶人基准位置(正常驾驶)时的各特征参数的范围，在线构建坐姿变化预警分类器

步骤S130，完成坐姿变化预警分类器搭建后，同步采集该驾驶人的头部图像以及各特征参数，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定头部图像是否需要检测及检测的优先级，并将需要检测的头部图像保存到预设待检测图像库。

完成坐姿变化预警分类器搭建后，通过摄像头、安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器采集的特征参数对该驾驶人的头部图像和身体姿态进行实时检测。利用坐姿变化预警分类器检测该驾驶人的坐姿变化，检测结果可用EXPS表示，包括坐姿状态Sps和优先级Pr，当驾驶人的坐姿无明显变化时，Sps＝0，表示当前的检测优先级为0，可以直接认为驾驶人的头部没有伸出车窗；当驾驶人的坐姿出现明显变化时，也就是说采集的特征参数超过了驾驶人处于基准位置时的各特征参数的范围，Sps＝1，表示当前的驾驶人头部有可能伸出车窗需要对头部图像进行检测。为了提高检测效率，根据各特征参数的具体大小判断需要检测的头像的优先级Pr，这里可以预设多个优先级Pr的大小，每个优先级Pr内都包含对应的各特征参数的范围，优先级Pr越大说明驾驶人的坐姿变化越明显，例如16个优先级Pr，Pr＝16的坐姿变化要比Pr＝1的坐姿变化明显；比如当身体姿态信息的各特征参数的数值在第2优先级对应的范围内时，就确定该头部图像的优先级是2。当Sps＝1时，将需要检测的头部图像保存到预设待检测图像库，一边头部位置识别分类器可以对其进行检测。这里驾驶人是否开始进行考试可以通过车速传感器和GPS定位系统进行判断，当利用车载定位系统确定当前车辆位于考试科目的起始位置，以及车速传感器采集当前车速大于零时，认为考试开始。

步骤S140，利用头部位置识别分类器按照优先级的大小依次判断待检测图像库中的头部图像中的该驾驶人头部是否伸出车窗。

头部位置识别分类器根据坐姿变化预警分类器的结果EXPS进行检测，当检测到驾驶人的头部伸出车窗的时候，进行预警，作为考试成绩的评判依据之一，如果驾驶人只是身体姿态变化较大，但是头部没有伸出车窗，则不预警。为了提高检测效率，不需要对待检测的图像都进行检测，首先对优先级Pr高的图像进行检测，一旦检测到驾驶人头部伸出车窗，就可以进行预警，优先级低的图像就可以不进行检测。优先级高的图像中驾驶人的头部没有伸出车窗，则再次进行下一周期的检测。

可见，本发明融合摄像头、座椅上的压力传感器和安全带长度传感器的参数实现对驾驶人头部伸出车窗的有效准确的检测；同时根据驾驶人本身的身体姿态信息进行驾驶人姿态变化的判断，可以提高检测效率，实现对驾驶人头部伸出车窗的准确实时检测。

在本发明的一个实施例中，步骤S110中的离线构建头部位置识别分类器包括：利用所述固定于车辆指定位置上的摄像头采集多名驾驶人的头部处于基准位置时头部基准图像以及采集多名驾驶人的头部伸出车窗时头部伸出图像，构建头部位置样本数据库；筛选头部位置识别分类器的特征参数，包括：头部轮廓内平均灰度值I，单位：无量纲；头部轮廓几何中心距离头枕中心位置距离ΔL，单位：m；头部轮廓对称轴与水平线夹角α，单位：度；利用机器学习的方法离线构建头部位置识别分类器。

在本发明的一个实施例中，步骤S120中的驾驶考试开始后，融合考试车辆位置和车速确定构建坐姿变化预警分类器参数采集时刻包括：

考试开始后，利用车速传感器采集当前车速V，单位：m/s，利用车载GPS定位终端确定当前车辆位置和考试科目；当车辆位于考试起始位置，且V＞0时，开始采集构建坐姿变化预警分类器所需参数，包括：利用座椅压力传感器采集座椅坐垫压力参数和靠背压力参数，利用安全带长度传感器采集安全带伸出长度参数，建立该驾驶人处于基准位置时坐姿样本数据库；当车辆进入具体考试科目场地位置，且V＝0时，停止采集构建坐姿变化预警分类器所需参数。

在本发明的一个实施例中，步骤S120中在线构建坐姿变化预警分类器，包括：

筛选坐姿变化预警分类器特征参数：

(1)基于座椅坐垫压力参数，筛选座椅坐垫压力特征参数，利用安装于驾驶人座椅坐垫中的压力传感器采集坐垫压力特征参数，包括：总压力F_c，单位：N；接触面积S_c，单位：m²；平均压强P_c，单位：Pa；压力中心位置(X_cf,Y_cf)，单位：cm；几何中心位置(X_cs,Y_cs)，单位：cm；等。

(2)基于座椅靠背压力参数，筛选座椅靠背压力特征参数，利用安装于驾驶人座椅靠背中的压力传感器采集靠背压力特征参数，包括：总压力F_b，单位：N；接触面积S_b，单位：m²；平均压强P_b，单位：Pa；压力中心位置(X_bf,Y_bf)，单位：cm；几何中心位置(X_bs,Y_bs)，单位：cm；等。

(3)基于安全带伸出长度参数，筛选安全带长度特征参数，利用安装于驾驶人安全带装置中的安全带长度传感器采集安全带长度特征参数和安全带伸缩速度参数，包括：总长度l_sb，单位：cm；变化速度V_sb，单位：m/s；等。

这些特征参数可组成一个身体姿态特征参数集合PSP，PSP＝[F_c,S_c,P_c,X_cf,Y_cf,X_cs,Y_cs,F_b,S_b,P_b,X_bf,Y_bf,X_bs,Y_bs,l_sb,v_sb]，在驾驶人的身体姿态信息的各特征参数采集后保存到这个集合中。可见本发明是结合了座椅的压力分布和安全带的长度信息进行驾驶人身体姿态的判断，判断更加准确。

需要说明的是，为获得上述参数，坐垫中的压力传感器、靠背中的压力传感器、安全带长度均是可以实现上述参数采集的相应装置。当坐姿变化预警分类器判断驾驶人的姿态变化时，可以根据身体姿态特征参数集合PSP进行判断。

在本发明的一个实施例中，步骤S130中的同步采集该驾驶人的所述头部图像以及所述各参数，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定所述头部图像是否需要检测及检测的优先级，并将需要检测的所述头部图像保存到预设待检测图像库，包括：

同步采集驾驶人的头部图像、座椅坐垫压力参数、座椅靠背压力参数、安全带伸出长度参数，实时计算坐姿变化预警分类器特征参数的参数值，并输入坐姿变化预警分类器，坐姿变化预警分类器输出当前坐姿状态Sps，单位：无量纲，优先级Pr，单位：无量纲，其中，Sps取值为0或1，当Sps＝0时，表示当前坐姿无明显变化，当Sps＝1时，表示当前坐姿出现明显变化，即Pr值为0至16之间的正整数，当Sps＝0时，Pr＝0，表示当前预警的优先级为0，不预警，当Sps＝1时，Pr＝1,2，…，16，表示当前预警的优先级，取值越大优先级越高，即

根据坐姿变化预警分类器输出结果，判断对应头部图像检测优先级，将需要检测的所述头部图像保存到预设待检测图像库。

在本发明的一个实施例中，步骤S140中利用所述头部位置识别分类器按照优先级的大小依次判断所述待检测图像库中的所述头部图像中的该驾驶人头部是否伸出车窗，包括：依次将待检测图像库内的图像输入头部位置识别分类器，若检测到驾驶人头部伸出窗外，则报警，若未检测到驾驶人头部伸出窗外，则读取待检测图像库内优先级最高图像，进行下一周期检测。

在本发明中，为了判断当前时间点的驾驶人头部图像是否需要进行检测，首先判断驾驶人的身体姿态的变化是否明显。那么为了判断驾驶人的身体姿态变化是否明显，首先在驾驶人开始考试前，驾驶人的身体姿态还处于基准状态(正常驾驶状态)时，检测驾驶人的身体姿态信息，根据驾驶人处于基准状态的身体姿态信息确定驾驶人的身体姿态变化的预设范围。这里的身体姿态信息是上述身体姿态特征参数集合PSP中的特征参数信息。当驾驶人开始考试后，同样采集相同的特征参数信息，坐姿变化预警分类器通过判断考试开始后的特征参数信息的数值是否在对应的特征参数的预设范围内，就可以判断驾驶人的身体姿态变化是否明显。在这里，判断驾驶人的身体姿态变化是否明显时可以设定预设数量，如果考试过程中的特征参数信息中大于或等于预设数量的特征参数信息都不在预设范围内，则认为驾驶人的身体姿态变化明显。

当检测到驾驶人的身体姿态变化明显后，当前时间点对应的头部图像为待检测图像，进一步判断待检测图像的优先级Pr，并将待检测图像和优先级信息保存在预设的待检测图像库中，头部位置识别分类器按照优先级的大小依次判断待检测图像库中的头部图像中的该驾驶人头部是否伸出车窗。按着优先级的顺序一旦检测到某一图像中驾驶人的头部伸出车窗了，就停止检测，并且进行预警，提高检测效率，增加实时性。

图2为本发明一个实施例提供的一种用于驾驶考试的驾驶人头部伸出车窗的检测系统示意图。如图2所示，该用于驾驶考试的驾驶人头部伸出车窗的检测系统200包括：

摄像头210，固定于车辆指定位置上的摄像头，用于采集驾驶人的头部处于基准位置时头部基准图像以及采集驾驶人的头部伸出车窗时头部伸出图像；以及当驾驶人驾驶考试开始后，采集驾驶人的头部图像。

车速传感器220，用于采集考试车辆的速度；

车载GPS定位终端230，用于采集考试车辆的位置；

安装于驾驶人座椅坐垫中的压力传感器240，用于在驾驶考试过程中采集座椅坐垫压力参数；

安装于驾驶人座椅靠背中的压力传感器250，用于在驾驶考试过程中采集座椅靠背压力参数；

安装于驾驶人安全带装置中的安全带长度传感器260，用于在驾驶考试开始前和驾驶考试开始后采集安全带长度参数；

处理器模块270，用于根据所述摄像头采集的图像离线构建头部位置识别分类器；确定构建坐姿变化预警分类器参数采集时刻，以及利用安装于驾驶人座椅坐垫中的压力传感器、安装于驾驶人座椅靠背中的压力传感器以及安装于驾驶人安全带装置中的安全带长度传感器同步采集相应参数，确定该驾驶人处于基准位置下的各特征参数范围，在线构建坐姿变化预警分类器；根据采集该驾驶人的所述头部图像以及所述各特征参数，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定所述头部图像是否需要检测及检测的优先级，并将需要检测的所述头部图像保存到预设待检测图像库；利用所述头部位置识别分类器按照优先级的大小依次判断所述待检测图像库中的所述头部图像中的该驾驶人头部是否伸出车窗。

在本发明的一个实施例中，处理器模块270具体用于：从所采集的每个图像中提取头部位置识别分类器的特征参数；利用机器学习方法离线构建头部位置识别分类器。

具体地，头部位置检测分类器的特征参数包括：头部轮廓内平均灰度值I，单位：无量纲；头部轮廓几何中心距离头枕中心位置距离ΔL，单位：m；头部轮廓对称轴与水平线夹角α，单位：度，构成头部位置识别样本数据。

在本发明的一个实施例中，处理器模块270确定构建坐姿变化预警分类器参数采集时刻具体包括：

考试开始后，利用车速传感器采集当前车速V，单位：m/s，利用车载GPS定位终端确定当前车辆位置和考试科目；当车辆位于考试起始位置，且V＞0时，开始采集构建坐姿变化预警分类器所需参数，包括：利用座椅压力传感器采集座椅坐垫压力参数和靠背压力参数，利用安全带长度传感器采集安全带伸出长度参数，建立该驾驶人处于基准位置时坐姿样本数据库；当车辆进入具体考试科目场地位置，且V＝0时，停止采集构建坐姿变化预警分类器所需参数。

在本发明的一个实施例中，处理器模块270具体用于在线构建坐姿变化预警分类器具体包括：

筛选坐姿变化预警分类器特征参数，

(1)基于座椅坐垫压力参数，筛选座椅坐垫压力特征参数，利用安装于驾驶人座椅坐垫中的压力传感器用于采集座椅坐垫的的压力特征参数，包括：总压力F_c，单位：N；接触面积S_c单位：m²；平均压强P_c，单位：Pa；压力中心位置(X_cf,Y_cf)，单位：cm；几何中心位置(X_cs,Y_cs)，单位：cm。

(2)基于座椅靠背压力参数，筛选座椅靠背压力特征参数，利用安装于驾驶人座椅靠背中的压力传感器用于采集座椅靠背的压力特征参数包括：总压力F_b，单位：N；接触面积S_b单位：m²；平均压强P_b，单位：Pa；压力中心位置(X_bf,Y_bf)，单位：cm；几何中心位置(X_bs,Y_bs)，单位：cm。

(3)基于安全带伸出长度参数，筛选安全带长度特征参数，利用安装于驾驶人安全带装置中的安全带长度传感器用于采集的安全带长度特征参数，包括：总长度l_sb，单位：cm；变化速度V_sb，单位：m/s。

基于统计分析法，确定该驾驶人处于基准位置下的所述各特征参数范围，在线构建坐姿变化预警分类器。

在本发明的一个实施例中，所述头部位置识别分类器检测驾驶人头部是否伸出车窗具体包括：利用同步的采集驾驶人的头部图像、座椅坐垫压力参数、座椅靠背压力参数、安全带伸出长度参数，实时计算坐姿变化预警分类器特征参数的参数值，并输入坐姿变化预警分类器；根据坐姿变化预警分类器输出结果，判断对应头部图像检测优先级，将需要检测的所述头部图像保存到预设待检测图像库；依次将待检测图像库内的图像输入头部位置识别分类器，若检测到驾驶人头部伸出窗外，则报警，若未检测到驾驶人头部伸出窗外，则读取待检测图像库内优先级最高图像，进行下一周期检测。

需要说明的是，图2所示系统的各实施例与图1所示方法的各实施例对应相同，上文亦有详细说明，在此不再赘述。

综上所述，本发明首先离线构建头部位置识别分类器，再根据参加考试的驾驶人自身的状态在线构建坐姿变化预警分类器；当该驾驶人驾驶考试开始后，利用坐姿变化预警分类器检测该驾驶人的坐姿变化，确定该驾驶人头部图像是否需要检测及检测的优先级，并将需要检测的头部图像保存到预设待检测图像库内；最后利用头部位置识别分类器按照优先级的大小依次判断待检测图像库中的头部图像中的该驾驶人头部是否伸出车窗。可见，本发明融合摄像头、座椅上的压力传感器和安全带长度传感器的参数实现对驾驶人头部伸出车窗的有效准确的检测；同时根据驾驶人本身的身体姿态信息进行驾驶人姿态变化的判断，可以提高检测效率，实现对驾驶人头部伸出车窗的准确实时检测。

以上所述，仅为本发明的具体实施方式，在本发明的上述教导下，本领域技术人员可以在上述实施例的基础上进行其他的改进或变形。本领域技术人员应该明白，上述的具体描述只是更好的解释本发明的目的，本发明的保护范围应以权利要求的保护范围为准。