一种轨道交通驾驶员疲劳状态监测方法与流程

本发明涉及自动视频检测技术领域，具体为一种轨道交通驾驶员疲劳状态监测方法。

背景技术：

近年来我国高等级铁路的建设速度和运营规模已具世界前沿水平。随着列车运营数量、历程逐年增加，列车员平均工作时长也随之增加。列车驾驶员的人为因素是列车运行的安全隐患中最为关键和值得注意的。相较于公路运输，英国和美国的科学家研究分析表明，由驾驶员本身引发的道路交通事故占交通事故总数的57%〜65%，与驾驶员相关因素引发的事故占总数的近95%；我国道路交通事故的统计也表明，主要由于驾驶员造成的事故占90%左右。在这些事件中，疲劳驾驶是肇事致人死亡数量最多的交通违法行为之一。据统计，我国因疲劳驾车而造成的交通事故占总数的20%左右，占特大交通事故的40%以上，占交通事故死亡率的83%。

因此，疲劳驾驶对我国铁路交通安全具有巨大影响，检测驾驶员的疲劳程度，提前预警对提高驾驶员的工作效率，保护驾驶员的身心健康，从而避免因驾驶员疲劳驾车而造成的铁路交通事故具有非常重要的现实意义。但目前我国疲劳驾驶检测的产品在控制成本的情况下无法做到很高的准确性，如果能将好的方法应用于疲劳检测系统之中，无疑能更有效的预防驾驶员疲劳驾驶而引起不必要的人员伤亡和经济损失。

现有的疲劳驾驶检测手段以利用驾驶员正上前方的摄像头采集驾驶员面部图像并识别眨眼次数和眼部动作居多，如CN 101021967公开了“一种驾驶员疲劳检测报警器”，由装有反射式光纤位移传感器的眼镜和智能控制系统组成；所述光纤传感器是反射式光纤位移传感器，将其组装在一付眼镜两侧边框上，使传感器的探头正对眼睑，并通过光纤将传感器与智能控制系统连接起来；该发明是以眼部疲劳的表情为基准，建立数学模型，对眼睑闪动频率、闭合时间乃至眼球转动、瞳孔收扩进行动态监测。但由于人体眼部动作特点个体差异较大，且动作随机性较强，故检测准确度难以让人满意，且从人体正面采集图像时，眼部和头颈部的垂直向移动较难从图像背景中检测出来，这进一步影响了检测的准确度。

综上所述，现有技术中的各种疲劳驾驶检测方法分别存在着检测精度差，图像处理要求高，技术难度大，软硬件设计实现成本高等问题。

参考文献：

[1]Yoav Freund, Robert E.Schapire. A Short Introduction to Boosting[J]. Journal of Japanese Society for Artificial Intelligence, 1999, 14(5): 771-780。

技术实现要素：

针对现有技术存在的不足，本发明的目的在于是提供一种检测精度高，图像处理和相应硬件要求较低，针对于铁路安全驾驶，基于驾驶员头部动作及面部表情的轨道交通驾驶员疲劳状态监测方法。技术方案如下： 一种轨道交通驾驶员疲劳状态监测方法，包括以下步骤：

步骤1：用设置在列车驾驶室的摄像头采集驾驶员头颈部图像；

步骤2：通过视频处理单元确定人脸的位置；

步骤3：根据人脸位置通过图像采集单元采集驾驶员的面部表情图像；

步骤4：根据眼睛在人脸位置的几何关系定位左右两只眼的位置，根据嘴巴形状和其在人脸的位置确定嘴巴位置；

步骤5：通过状态特征记录单元记录左右眼状态特征和嘴巴表情特征，并传送到状态识别单元；

步骤6：状态识别单元对上述左右眼状态特征和嘴巴表情特征通过分类算法进行分类，判断驾驶员是否处于瞌睡状态；

步骤7：根据步骤2中得到的人脸位置在面部建立坐标系；

步骤8：头部运动识别单元将坐标系移动特征与人体瞌睡状态时的头颈部移动特征比较，进而判断驾驶员是否处于瞌睡状态；

步骤9：若步骤6或步骤8检测出驾驶员处于瞌睡状态，则报警装置发出报警提示，否则返回步骤1。

进一步的，所述步骤2中确定人脸位置的方法为：采用包含Adaboost算法的Haar分类器方法，将采集到的图像与由大量预存的人脸图像样本构造的人脸模式进行对比，根据相似度判断图像中是否有人脸存在，若存在则记录人脸的位置。

更进一步的，所述步骤7中在面部建立坐标系的方式为：将两眼所在的直线作为x轴，将两眼的中线所在的直线作为y轴。

本发明的有益效果是：

1）本发明系统设计简单高效，检测精度高，对图像处理和相应硬件要求较低，具有成本较低、占用体积小、鲁棒性强等特点；

2）本发明基于Adaboost^[1]算法的Haar^[1]分类器方法，能够在较为复杂的背景环境下准确识别人脸状态，实现快速准确的疲劳驾驶判断，检测灵敏度高、安全可靠；

3）本发明能够对列车驾驶员进行疲劳驾驶警示，有效预防和减少因列车驾驶员疲劳驾驶导致的铁路安全事故，提高了列车行车安全。

附图说明

图1本发明轨道交通驾驶员疲劳状态监测方法的流程框图。

图2为面部坐标系的示意图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步详细说明。本发明采用针对视频的计算机视觉（CV）技术，所用设备包括数字摄像机、补光设备和工业控制计算机，具体为—种基于驾驶员头颈移动特征和五官表情特征识别的疲劳驾驶检测方法。

当列车发动后，系统自动运行，数码摄像机工作对驾驶员进行录像，后台主机通过检测出驾驶员头部区域，检测眼睛和嘴巴状态，在识别驾驶员头部运动状态同五官状态一起发送给状态识别单元进行识别，如果出现疲劳状态则进行蜂鸣器报警反馈。方法流程图如图1所示，具体步骤如下：

步骤1：用设置在列车驾驶室的摄像头采集驾驶员头颈部图像。

步骤2：通过视频处理单元确定人脸的位置。

视频处理单元利用包含Adaboost算法的Haar分类器方法，在较为复杂的环境背景下（列车驾驶室）区分人脸和非人脸，基于统计的方法则将人脸看作一个整体的模式——二维像素矩阵，从统计的观点通过大量人脸图像样本构造人脸模式空间，根据相似度量来判断人脸是否存在并确定人脸所在位置。

步骤3：根据人脸位置通过图像采集单元采集驾驶员的面部表情图像。

步骤4：根据眼睛在人脸位置的几何关系定位左右两只眼的位置，根据嘴巴形状和其在人脸的位置确定嘴巴位置。

步骤5：通过状态特征记录单元记录左右眼状态特征（如疲劳性闭眼）和嘴巴表情特征（如频繁的打哈欠），并传送到状态识别单元。

步骤6：状态识别单元对上述左右眼状态特征和嘴巴表情特征通过分类算法进行分类，判断驾驶员是否处于瞌睡状态。

步骤7：根据步骤2中得到的人脸位置在面部建立坐标系。如图2所示，A、B两点为人眼睛所在位置，将两眼所在的直线作为x轴，将两眼的中线所在的直线作为y轴，将两眼所在的直线作为x轴，将两眼的中线所在的直线作为y轴。

步骤8：头部运动识别单元将坐标系移动特征与人体瞌睡状态时的头颈部移动特征（如频繁的点头打盹）比较，进而判断驾驶员是否处于瞌睡状态；

步骤9：若步骤6或步骤8检测出驾驶员处于瞌睡状态，则报警装置发出报警提示，否则返回步骤1继续监测。