标和行像 素坐标，分别为所述外接矩形右下角像素坐标点的列像素坐标和行像素坐标； 然后，计算所述嘴部特征区域轮廓的实际形状所覆盖的像素高度值H=Y"?-Y胃，像素宽度值 W=Xmx-X?。该样计算的方式，无需通过遍历获取嘴部特征区域轮廓覆盖的所有像素点的像 素坐标值后统计其像素覆盖范围来确定像素高度值H和像素宽度值W，而只需要获取两个 坐标点的像素坐标进行计算即可，处理更加简单、迅速。
[0048] 6)判断当前帖视频图像中的嘴部轮廓高宽比0是否大于预设定的嘴部轮廓高宽 比阔值e ;若e〉e，则执行步骤7;若0《e，执行步骤8。
[0049] 7)令打哈欠状态累加器n的值累加1，然后判断当前打哈欠状态累加器n的值是 否已等于打哈欠状态累加阔值N ;若n<N，则跳转执行步骤10 ;若n=N，则跳转执行步骤9。 [0化0] 8)令打哈欠状态累加器n的值重置为0,然后跳转执行步骤10。
[0051] 9)判定视频图像中人脸图像处于打哈欠动作状态，输出打哈欠动作指示信息；然 后跳转执行步骤8。
[005引10)读取下一帖视频图像，返回执行步骤3。
[0化3] 完成对5段测试视频的打哈欠动作检测处理后，统计对每一段测试视频的单帖平 均检测时间，并且通过人工识别并手动标记该5段测试视频中每次打哈欠动作的实际持续 时间段，然后将检测结果中各次检测输出打哈欠动作指示信息的检测时间点与各次相应打 哈欠动作的实际持续时间段进行对照，若检测时间点在相应打哈欠动作实际持续时间段W 内则判定为检测准确，若检测时间点在相应打哈欠动作实际持续时间段W外或未检测到打 哈欠动作则判定为检测不准确，统计针对每一段测试视频的检测准确率。最终统计结果如 表1所不。
[0化4] 表1
【主权项】
1. 一种用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，通过在计算机设备中 预设的面部匹配模板，对计算机设备获取到的视频图像逐帖地进行打哈欠动作识别处理， 实现对打哈欠动作的实时性检测；所述面部匹配模板中描绘有人脸整体区域、左眉部、右眉 部、右眼部、左眼部、鼻部和嘴部该7个面部特征区域各自所对应的特征区域轮廓，且各个 面部特征区域对应的特征区域轮廓的初始轮廓形状及其相互之间的初始相对位置已根据 先验知识得W确定；该方法包括如下步骤： 1) 初始化打哈欠状态累加器n的值为0,预设定嘴部轮廓高宽比阔值e和打哈欠状态 累加阔值N的值； 2) 读取一帖视频图像； 3) 采用级联分类器对当前帖视频图像进行人脸检测，判定当前帖视频图像中是否检测 到人脸图像区域；如果是，则继续执行步骤4 ;否则，跳转执行步骤8 ; 4) 调用预设的面部匹配模板，采用主动形状模型匹配算法将面部匹配模板中的各个特 征区域轮廓与当前帖视频图像中人脸图像区域的各个面部特征区域进行对应的匹配定位， 确定面部匹配模板在当前帖视频图像的人脸图像区域中各个面部特征区域对应的特征区 域轮廓的实际形状； 5) 从匹配定位得到的面部匹配模板中提取出当前帖视频图像的人脸图像区域中的嘴 部特征区域轮廓，根据嘴部特征区域轮廓的实际形状计算其覆盖的像素高度值H和像素宽 度值W，并计算当前帖视频图像中的嘴部轮廓高宽比0 =H/W ; 6) 判断当前帖视频图像中的嘴部轮廓高宽比0是否大于预设定的嘴部轮廓高宽比阔 值e ;若0〉e，则执行步骤7 ;若0《e，执行步骤8 ; 7) 令打哈欠状态累加器n的值累加1，然后判断当前打哈欠状态累加器n的值是否已 等于打哈欠状态累加阔值N ;若n<N，则跳转执行步骤10 ;若n=N，则跳转执行步骤9 ; 8) 令打哈欠状态累加器n的值重置为0,然后跳转执行步骤10 ; 9) 判定视频图像中人脸图像处于打哈欠动作状态，输出打哈欠动作指示信息；然后跳 转执行步骤8 ; 10) 读取下一帖视频图像，返回执行步骤3。
2. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 面部匹配模板采用主动形状模板匹配算法数据库中的"my68-ld. amf"人脸模板，其中通过 68个特征点来描绘出人脸的7个面部特征区域所对应的特征区域轮廓，分别为： 人脸整体区域对应的特征区域轮廓具有15个特征点，特征点编号依次为0?14 ;左眉 部对应的特征区域轮廓具有6个特征点，特征点编号依次为15?20 ;右眉部对应的特征区域 轮廓具有6个特征点，特征点编号依次为21?26 ;右眼部对应的特征区域轮廓具有5个特征 点，特征点编号依次为27?31 ;左眼部对应的特征区域轮廓具有5个特征点，特征点编号依 次为32?36 ;鼻部对应的特征区域轮廓具有12个特征点，特征点编号依次为37?47 W及67 ; 嘴部对应的特征区域轮廓具有19个特征点，特征点编号依次为48?66 ; 面部匹配模板"my68-1 d. amf "中每个面部特征区域对应的特征区域轮廓中各个特征点 的位置W及各个特征区域轮廓相互之间的初始相对位置已根据先验知识得W确定。
3. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 步骤3中"采用级联分类器对当前帖视频图像进行人脸检测"的具体方式为；调用计算机视 觉类库化611〔￥中〇化31'〔13331；1^161'化303(16级联分类器的^化3扣616(31：013^'6別3()函数 对当前帖视频图像进行人脸检测。
4. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 步骤4中"采用主动形状模型算法将面部匹配模板中的各个特征区域轮廓与当前帖视频图 像中人脸图像区域的各个面部特征区域进行对应的匹配定位"的具体方式为；首先调用主 动形状模型匹配算法数据库中的Init化ape化omDetBox()函数对面部匹配模板进行初始 化，等待匹配定位；然后调用主动形状模型匹配算法数据库中的ASMSeqSearch()函数在 当前帖视频图像的人脸图像区域中分别捜索面部匹配模板中的每个特征区域轮廓的最佳 匹配位置，进行匹配定位处理，确定面部匹配模板在当前帖视频图像的人脸图像区域中各 个面部特征区域对应的特征区域轮廓的实际形状。
5. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 步骤4中"根据嘴部特征区域轮廓的实际形状计算其覆盖的像素高度值H和像素宽度值 W"的具体方式为：在当前帖视频图像中绘制匹配定位得到的面部匹配模板中嘴部特征区域 轮廓的外接矩形，确定所述外接矩形左上角的像素坐标点狂?，Y"w)和右下角的像素坐标 点狂MX，Ymx)，其中，和Y胃分别为所述外接矩形左上角像素坐标点的列像素坐标和行 像素坐标，分别为所述外接矩形右下角像素坐标点的列像素坐标和行像素坐标； 然后，计算所述嘴部特征区域轮廓的实际形状所覆盖的像素高度值H=Y"?-Y胃，像素宽度值
6. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 嘴部轮廓高宽比阔值e的设定值取值范围为0.3?0.6。
7. 根据权利要求1所述用于疲劳驾驶检测的打哈欠动作检测方法，其特征在于，所述 打哈欠状态累加阔值N的设定值取值范围为3fa?6fa，化为视频图像的帖频值。
【专利摘要】本发明提供了一种用于疲劳驾驶检测的打哈欠动作检测方法，借助面部匹配模板的各个面部特征区域各自对应的特征区域轮廓来分别匹配确定视频图像中人脸图像区域中各个面部特征区域的相对位置关系，从而很好地保证了对嘴部定位的准确性，同时采用主动形状模型匹配算法对视频图像的人脸图像区域中嘴部区域进行快速的匹配定位，数据运算量小、处理速度快，确保了嘴部定位的实时性；然后，通过对视频图像的人脸图像区域中嘴部区域匹配定位确定嘴部特征区域轮廓的实际形状，进而识别嘴部开合状态，实现对打哈欠动作的检测，检测准确性高，速度快，为打哈欠动作检测提供有效且实时性好的解决方案，能够用于为疲劳驾驶检测提供更具及时性的提示信号。
【IPC分类】G06K9-00, G08B21-06
【公开号】CN104616438
【申请号】CN201510093756
【发明人】胡晓力, 廖银伟, 王雪冬, 唐云建, 余名, 韩鹏, 孙怀义
【申请人】重庆市科学技术研究院
【公开日】2015年5月13日
【申请日】2015年3月2日