一种基于移动智能手机的驾驶员疲劳检测系统的制作方法

本发明涉及汽车安全辅助领域，具体涉及一种基于移动智能手机的驾驶员疲劳检测系统。

背景技术：

相关技术中，驾驶员疲劳检测方案一是依靠检测生理信号，如电波、眨眼频率、心率、脉搏频率以及皮肤电压等变化。此方案准确较好，但实际中无法使用方便的设备采集到这些信息。

技术实现要素：

针对上述问题，本发明提供一种基于移动智能手机的驾驶员疲劳检测系统。

本发明的目的采用以下技术方案来实现：

提供了一种基于移动智能手机的驾驶员疲劳检测系统，包括图像采集模块、图像滤波模块、眼睛区域检测模块、眼睛特征提取模块、疲劳判断模块、报警模块；所述图像采集模块包括移动智能手机的摄像头，用于对驾驶员人脸及眼睛的图像进行采集；所述图像滤波模块用于对采集的人脸及眼睛的图像进行滤波处理，去除图像噪声；所述眼睛区域检测模块用于对人脸及眼睛的图像进行处理，获取眼睛区域；所述眼睛特征提取模块用于提取眼睛的瞳孔开度特征参数；所述疲劳判断模块依据瞳孔开度与眼睛大小的百分比，判断驾驶员是否为疲劳驾驶，并输出判断结果；所述报警模块在判断结果为属于疲劳驾驶是进行语音报警。

本发明的有益效果为：可以基于移动设备实现，基于手机上的摄像头对人脸及眼睛的检测，实现驾驶员疲劳检测，实用便捷。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1本发明的框图示意图；

图2是本发明图像滤波模块的框图示意图。

附图标记：

图像采集模块1、图像滤波模块2、眼睛区域检测模块3、眼睛特征提取模块4、疲劳判断模块5、报警模块6、噪声点检测单元10、滤波单元20。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供的基于移动智能手机的驾驶员疲劳检测系统，包括图像采集模块1、图像滤波模块2、眼睛区域检测模块3、眼睛特征提取模块4、疲劳判断模块5、报警模块6；所述图像采集模块1包括移动智能手机的摄像头，用于对驾驶员人脸及眼睛的图像进行采集；所述图像滤波模块2用于对采集的人脸及眼睛的图像进行滤波处理，去除图像噪声；所述眼睛区域检测模块3用于对人脸及眼睛的图像进行处理，获取眼睛区域；所述眼睛特征提取模块4用于提取眼睛的瞳孔开度特征参数；所述疲劳判断模块5依据瞳孔开度与眼睛大小的百分比，判断驾驶员是否为疲劳驾驶，并输出判断结果；所述报警模块6在判断结果为属于疲劳驾驶是进行语音报警。

优选地，用于疲劳判定的眼睛特征参数为瞳孔开度占眼睛大小的百分比，将预设时间内的图像按眼睛区域所占像素个数的百分比由多到少排列，取所述百分比的前4％的图像，将所述眼睛区域像素数的平均值视为张开时眼睛的大小，所述眼睛区域的瞳孔开度则为眼睛区域检测模块3对当前眼睛区域的检测的像素值。

优选地，所述疲劳判断模块5定义眼睛瞳孔开度占眼睛大小的百分比大于15％为眼睛睁开，等于或者小于15％为眼睛闭合，疲劳检测采用perclos方法，根据perclos方法，当在连续2～5秒时间内检测到眼睛闭合的时间超过3秒时判定为疲劳。

本发明上述实施例可以基于移动设备实现，基于手机上的摄像头对人脸及眼睛的检测，实现驾驶员疲劳检测，实用便捷。

优选地，如图2所示，所述图像滤波模块2包括噪声点检测单元10和滤波单元20，所述噪声点检测单元10用于确定人脸及眼睛的图像的噪声点；所述滤波单元20用于对检测出的噪声点进行滤波，具体包括：

(1)以人脸及眼睛的图像的噪声点(i′,j′)为中心，设置7×7的矩形窗口对噪声点(i′,j′)进行滤波，对7×7的矩形窗口进行区域划分如下：

ψ1(i′,j′)＝[q(i′-x,j′-y)；-1≤x≤1,-1≤y≤1]

ψ2(i′,j′)＝[q(i′-x,j′-y)；-2≤x≤2,-2≤y≤2]

ψ3(i′,j′)＝[q(i′-x,j′-y)；-3≤x≤3,-3≤y≤3]

ψ4(i′,j′)＝[q(i′,j′-x)；-3≤x≤3]

ψ5(i′,j′)＝[q(i′-x,j′)；-3≤x≤3]

ψ6(i′,j′)＝[q(i′+x,j′-x)；-3≤x≤3]

ψ7(i′,j′)＝[q(i′-x,j′-x)；-3≤x≤3]

(2)对人脸及眼睛的图像的噪声点(i′,j′)按照下述滤波公式进行滤波：

式中，q(i′,j′)表示对噪声点(i′,j′)进行滤波后噪声点(i′,j′)的灰度值，max[ψk(i′,j′)]为7×7的矩形窗口的第k个区域中的最大灰度值，min[ψk(i′,′)]为7×7的矩形窗口的第k个区域中的最小灰度值，mid[ψk(i′,j′)]为7×7的矩形窗口的第k个区域中的中间灰度值；ξ1、ξ2为设定的调整因子，ξ1+ξ2＝1。

一方面，相对于传统的滤波算法，本优选实施例在进行滤波时，先检测出人脸及眼睛的图像的噪声点，再对噪声点进行滤波处理，能够提高滤波处理的效率；

另一方面，本优选实施例定义了滤波公式，采用该滤波公式对人脸及眼睛的图像的噪声点进行滤波处理，能够较快速地消除人脸及眼睛的图像的噪声，并且保留更多的细节特征，有利于获得更好的人脸及眼睛的图像的滤波效果，便于驾驶员的后续疲劳检测。

优选地，若人脸及眼睛的图像中的像素点(i,j)满足下述公式，则该将该像素点(i,j)确定为噪声点：

式中，ψ(i,j)表示像素点(i,j)的通道值，ψη(i,j)表示像素点(i,j)的邻近3x3区域内的第η个像素点的通道值，t为设定阈值。

本优选实施例中，根据像素点与其邻域像素点通道值的关系，定义了人脸及眼睛的图像的噪声点检测公式，提高了人脸及眼睛的图像中噪声点检测的速度，从而保障了对人脸及眼睛的图像的滤波处理速度。

优选地，所述对人脸及眼睛的图像进行处理，获取眼睛区域，具体包括：

(1)对sobel边缘检测算法中0°、45°、90°、135°四个方向的模板进行改进，定义对应的0°卷积因子l1、45°卷积因子l2、90°卷积因子l3、135°卷积因子l4为：

(2)采用所述的0°卷积因子l1、45°卷积因子l2、90°卷积因子l3、135°卷积因子l4对滤波后的人脸及眼睛的图像进行卷积运算，得到对应于各卷积因子的偏微分的一阶近似uλ(i,j),λ＝1,2,3,4，计算人脸及眼睛的图像中各像素的梯度值，定义梯度值的计算公式为：

式中，p(i,j)表示人脸及眼睛的图像中像素点(i,j)的梯度值，uλ(i,j)为对应于卷积因子lλ(λ＝1,2,3,4)的偏微分的一阶近似；

(3)将各个像素点的梯度值与设定的阈值进行比较，若像素点的梯度值大于设定的阈值，将该像素点视为边缘点，否则视为背景点，最终输出眼睛候选区域；利用5×5的结构单元对眼睛候选区域进行腐蚀运算，利用14×7的结构单元对眼睛候选区域进行闭运算处理，以将眼睛候选区域变成连通的眼睛区域。

本优选实施例基于传统sobel边缘检测算法，增加了倾斜方向的模板，并改进卷积因子的权重分配，能够均衡各个方向的边缘检测的敏感度，更好地对人脸及眼睛的图像进行边缘检测；另外，利用定义的人脸及眼睛的图像的像素梯度值的计算公式来计算人脸及眼睛的图像的像素梯度值，能够进一步提高边缘检测处理的抗噪能力，改善对人脸及眼睛的图像进行边缘检测的速度，并且能够获得更细腻、更连续的边缘细节；对边缘检测处理得到的眼睛候选区域进一步进行腐蚀和闭运算，能够获得更高精度的眼睛区域，便于眼睛特征参数的提取，使得本优选实施例的驾驶员疲劳检测系统更精确，检测速度更快。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。