一种适用于智能手机的基于机器视觉疲劳驾驶预警系统的制作方法
【技术领域】
[0001]本发明涉及机器视觉疲劳驾驶预警系统，具体涉及一种适用于智能手机的基于机器视觉疲劳驾驶预警系统。
【背景技术】
[0002]随着机动车保有量的快速增加和高速公路的飞速发展，交通事故频频发生，给世界各国造成了巨大的财产损失和人员伤亡。如何减少交通事故已经成为世界性的难题，其中，预防疲劳驾驶是世界各国和各大汽车厂商目前正在竭力研发的一项关键技术。根据交通部的最新数据统计，每年我国因道路交通安全事故伤亡人数超过20万人，其中50%源于驾驶员意识不清醒从而酿成车祸。长时间驾驶、睡眠不足、生理变化等因素是导致疲劳驾驶产生的主要原因。疲劳驾驶时，驾驶员会感到精神恍惚、注意力不集中、视物模糊、判断力下降，这种情况下继续开车，极易出现操作停顿或修正失误，造成交通事故发生。而且数据分析显示，每天凌晨的零点至六点是疲劳驾驶的高发时间段，可见疲劳驾驶除了安排合理行车时间，还需要有效的科技预警装置，才能最大程度减少疲劳驾驶事故的发生。
[0003]目前，整车企业中配备疲劳驾驶预警系统的主要有奔驰、沃尔沃、大众、丰田、比亚迪等汽车整车厂，采用的方式主要分为两种，一种是利用摄像头拍摄驾驶员的面部特征，并通过驾驶员的眼睛状态来判别其是否处于疲劳状态，其摄像头大部分放置于仪表盘内部，透过方向盘的空间拍摄驾驶员。另一种是利用驾驶员的驾驶行为(例如方向盘的转动特性)来判断其疲劳状态。但主要配备在各自的中高级型号车型上，而且无法避免各种方向的光源对镜头的干扰，特别是晚上光线不足，对人脸的识别就会更加困难。在后装市场，也有一些预防疲劳驾驶的设备。主要有应用心电检测方法的携带产品、应用行驶轨迹判别方法的产品、超时驾驶提醒产品，这些产品或在使用上和驾驶员产生身体接触干扰驾驶，或检测原理不能准确反映驾驶员疲劳状况，都不能有效的进行驾驶员疲劳驾驶预警功能，在市场上的接受程度一般。经过研究与市场反馈，应用机器视觉技术通过摄像头分析驾驶员面部表情信息的疲劳驾驶预警产品是高精度、认可程度高的方案。但此类产品目前在市场上的售价高达几千元，价格不菲，这也是造成在中国驾驶疲劳预警系统未能普及的重要原因之一。如果能够利用现在常用的智能手机实现疲劳预警的目的，这更加方便于疲劳预警的普及与应用。
[0004]如今的智能手机普遍集成了摄像头、加速度传感器和重力传感器，同时具有至少IGHz的CPU和512MB的内存。这些硬件条件已经能够满足在智能手机上设计并实现一款疲劳驾驶预警系统。
【发明内容】
[0005]针对疲劳驾驶引发的交通事故问题日益严重，目前预防疲劳驾驶的设备不能很好的普及。本发明提出了一种适用于智能手机的基于机器视觉疲劳驾驶预警系统，能够便于疲劳驾驶预警功能的普及化和便携化，让更多的驾驶员在驾车过程中及时得到疲劳驾驶提醒，为生命和财产安全提供保障。
[0006]本发明的技术方案是:一种适用于智能手机的基于机器视觉疲劳驾驶预警系统，其特征在于，包括智能手机，通过摄像头采集驾驶员面部信息，通过传感器信息采集模块采集当前车辆的速度信息，加速度信息和集重力加速度信息；
疲劳检测模块，通过结合眼睛动作状态的检测和驾驶员头部姿态变化的检测判断驾驶人的疲劳状态；
驾驶员行为分析模块，对用户驾驶状态信息进行综合建模，与统计分析法模型进行对t匕，用于辅助判断驾驶员当前行为状态；
预警模块，用于对疲劳检测结果与驾驶行为分析结果进行综合对比，通过语音提醒进行疲劳报警。
[0007]进一步的，所述眼睛动作状态的检测通过面部特征点的定位实现。
[0008]进一步的，所述驾驶员头部姿态的变化通过三维头部模型检测。
[0009]进一步的，所述眼睛动作状态的检测包括眼睛轮廓提取和人眼定位；所述眼睛轮廓提取包括从驾驶室场景图像中找到人眼的位置和区域范围；在该范围内进一步提取上下眼睑、虹膜的轮廓线；所述人眼定位包括以下步骤:建立基于自商图的局部纹理模型；
利用面部局部区域良好的聚类性，建立层叠式形状模型；
采用基于点分布模型的主动形状模型进行定位，在行车过程中，通过对驾驶人面部形状的在线学习实现形状模型参数的个体化定制。
[0010]进一步的，所述驾驶员头部姿态的变化包括:
对面部区域内的角点进行跟踪，根据透视投影模型下图像坐标间的外极线约束关系，基于图像上特征点间的位移解算本征矩阵，并利用本征矩阵求解旋转矩阵和平移矩阵，进而计算视频序列中相邻帧之间姿态角的相对变化；
基于Candide模型实现驾驶人头部的三维重建，并以互信息为相似性测度，通过三维模型配准技术实现驾驶人初始姿态角的确定；
计算出驾驶人在世界坐标系中的绝对姿态角。
[0011]进一步的，所述眼睛提取的特征参数包括闭眼时间百分比、最长眨眼时间、眨眼频率、平均睁眼程度、特定闭眼时间对应的时间窗长度、平均睁眼时间、最大睁眼时间、平均闭眼时间、最大闭眼时间、闭眼时间与睁眼时间比值的最大值、闭眼时间与睁眼时间比值的平均值、虹膜最大无运动时间、虹膜横向平均移动速度、瞳孔无休息指数、虹膜上下不对称性。
[0012]进一步的，所述头部姿态提取的特征参数包括头部最大转向角、头部运动速度、点头、头部朝向分布。
[0013]进一步的，所述疲劳检测模块根据条件概率表分别查找判别方程中的所有条件概率的取值，并作连乘，概率最大者对应的驾驶状态即为驾驶人当前疲劳状态的估计值。
[0014]本发明的优点是:
1.该系统通过手机摄像头采集驾驶员面部表情信息，高鲁棒性的疲劳算法对驾驶员的疲劳及注意力分散等不安全状态进行实时检测并提供报警信息。充分考虑了行车过程中驾驶环境的时域稳定性，提出了一种综合利用机器学习、在线自适应肤色建模、纯背景建模技术的面部区域分割算法，并通过对面部区域内角点的跟踪，基于外极线约束方程建立了驾驶人相对姿态角解算模型。通过对该驾驶员驾驶行为自动分析，形成针对该驾驶员的数据分析库，结合手机加速度传感器判断出驾驶员危险驾驶行为，给予驾乘者主动智能的安全保障。
[0015]2.通过在智能手机上设计本系统，能够便于疲劳驾驶预警功能的普及化和便携化，让更多的驾驶员在驾车过程中及时得到疲劳驾驶提醒，为生命和财产安全提供保障。
【附图说明】
[0016]下面结合附图及实施例对本发明作进一步描述:
图1为本发明中疲劳驾驶预警系统的系统结构框架图；
图2为本发明中疲劳驾驶预警系统的工作流程图；
图3为本发明中疲劳检测模块的姿态估计与姿态校准流程图；
图4为本发明中疲劳检测模块的眼睛轮廓的提取方法流程图；
图5为本发明中疲劳检测模块的疲劳判别方法流程图。
【具体实施方式】
[0017]为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0018]实施例:
下面结合附图，对本发明的较佳实施例作进一步说明。
[0019]本发明，主要使用基于机器视觉的方式进行疲劳检测，辅以驾驶员行为分析增强检测的准确性与鲁棒性。
[0020]如今的智能手机普遍集成了摄像头、加速度传感器、重力传感器和定位模块，同时具有至少IGHz的CPU和512MB的内存，这些硬件条件。
[0021]如图1所示，本发明中适用于智能手机的疲劳驾驶预警系统，包括智能手机、疲劳检测模块、驾驶员行为分析模块和预警模块四个模块。
[0022]智能手机包括图像采集模块和传感器信息采集模块。
[0023]图像采集模块:通过摄像头进行驾驶员面部信息采集。
[0024]传感器信息采集模块主要包括:定位模块、重力传感器、加速度传感，通过定位模块采集当前车辆的速度信息，通过加速度传感器采集加速度信息，通过重力传感器采集重力加速度信息，用于驾驶员驾驶行为分析。
[0025]预警模块:报警信息主要通过语音提醒，进行疲劳报警。
[0026]疲劳检测模块:通过两方面信息的融合来判断驾驶人的疲劳状态:其一，通过面部特征点的定位实现眼睛动作状态的检测；其二，通过三维头部模型检测驾驶员头部姿态的变化。
[0027]驾驶