专利名称：一种基于视频的火车驾驶员疲劳检测方法
技术领域：
本发明属于图像处理技术领域，涉及一种基于视频的火车驾驶员疲劳检测方法。
背景技术：
驾驶员疲劳检测对提高驾驶安全性具有重要意义。通过摄像机，采集驾驶员面部的视频图像，进行分析，计算出头部姿态、眼睛睁闭频率等特征量，推测驾驶员的疲劳程度。这一技术思路具备非接触，不需特殊传感器，成本低等优点，受到广泛的关注。具有潜在的市场价值。目前已有的基于视频分析的检测疲劳方法，大多针对汽车驾驶设计，假设司机在驾驶过程中姿态基本稳定，活动范围小，绝大部分时间正视前方。通过人脸特征点定位技术找到人的眼睛，然后分析眼睛的睁闭频率来进行疲劳判断。因汽车驾驶员在驾驶过程中，符合头部姿态变化小的假设条件，双眼定位的算法可以取得比较好的效果，整个方法具备实用的技术基础。对于火车而言，驾驶员活动空间大，头部姿态变化大，且有可能离开座位。已有的疲劳检测技术直接应用，一般的双眼定位技术难以在大角度变化的人脸上取得好的效果，很多时候眼睛位置定位错误，因此，实际在火车上测得的准确率非常低，达不到应用的最低要求。
发明内容
由于已有驾驶员疲劳检测技术主要针对汽车驾驶设计，难以对具有大姿态变化、大范围活动的火车驾驶员进行准确的疲劳检测。本发明针对火车驾驶员驾驶过程中活动特点，设计出一种疲劳检测方法，能够有效的检测火车驾驶员是否疲劳，是否睡觉及是否离岗。满足铁路系统对火车驾驶员疲劳状态自动监测的需求。本发明解决技术问题所采取的技术方案为:
步骤1.从摄像头实时采集当前的一帧图像。步骤2.进行驾驶员座位是否有人分析；如果没有人，离岗计数器加1，若离岗计数器大于阈值Tl，则输出离岗报警，结束处理；如果有人，转入下一步。步骤3.对图像进行人脸检测；如果检测到正面人脸，转入步骤6，如果检测不到正面人脸，转入下一步。步骤4.进行人体活动分析；如果人体处于活动状态，非观察状态计数器加1，若非观察状态计数器大于阈值T2，输出注意观察前方报警，结束处理；如果人体处于不动状态，瞌睡计数器加I，若瞌睡计数器阈值大于T3，输出瞌睡报警，结束处理。步骤5.离岗计数器、瞌睡计数器清零。步骤6.进行双眼定位。步骤7.进行眼睛闭合检测，如眼睛闭合，统计最近N帧的闭眼率，如果闭眼率超过阈值T4，输出疲劳报警，结束处理；如果眼睛睁开，或闭眼率小于阈值T4，认为清醒，不做任何处理，结束处理。步骤8.采集下一帧视频图像，重复上述步骤2-7，从而连续的对火车驾驶员状态进行实时分析。本发明的有益效果:使火车驾驶员疲劳状态检测准确率达到实用效果，并能给出离岗、瞌睡、注意观察前方等相关报警，检测准确性高。
图1为本发明方法流程 图2为本发明中人眼睁闭样本 图3为LBP示意图。
具体实施例方式以下结合附图和实施例对本发明作进一步说明。如图1所示，本发明方法具体是:
1.从摄像头获取张视频图像。2.对摄像头采集的图像进行驾驶员座位是否有人分析。具体做法:
1)将图像均匀分为3X3的9个矩形区域；
2)将每个区域送入有人无人区域分类器进行判断；
3)如果有3个或以上区域判断为有人，则认为驾驶员座位有人。否则，认为无人；
有人无人区域分类器采用机器学习的方法获得:
O收集有人、无人的区域各5000张；
2)采用LBP直方图作为每个区域的纹理描述，LBP算子为:
权利要求
1.一种基于视频的火车驾驶员疲劳检测方法，其特征在于该方法包括以下步骤； 步骤1.从摄像头实时采集当前的一帧图像； 步骤2.进行驾驶员座位是否有人分析；如果没有人，离岗计数器加1，若离岗计数器大于阈值Tl，则输出离岗报警，结束处理；如果有人，转入下一步； 步骤3.对图像进行人脸检测；如果检测到正面人脸，转入步骤6，如果检测不到正面人脸，转入下一步； 步骤4.进行人体活动分析；如果人体处于活动状态，非观察状态计数器加1，若非观察状态计数器大于阈值T2，输出注意观察前方报警，结束处理；如果人体处于不动状态，瞌睡计数器加1，若瞌睡计数器阈值大于T3，输出瞌睡报警，结束处理； 步骤5.离岗计数器、瞌睡计数器清零； 步骤6.进行双眼定位； 步骤7.进行眼睛闭合检测，如眼睛闭合，统计最近N帧的闭眼率，如果闭眼率超过阈值T4，输出疲劳报警，结束处理；如果眼睛睁开，或闭眼率小于阈值T4，认为清醒，不做任何处理，结束处理； 步骤8.采集下一帧视频图像，重复上述步骤2-7，从而连续的对火车驾驶员状态进行实时分析。
2.根据权利要求1所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:步骤2中进行驾驶员座位是否有人分析具体是: a.将图像均匀分为3X3的9个矩形区域； b.将每个区域送入有人无人区域分类器进行判断；该分类器采用机器学习的方法获得; c.如果有3个或以上区域判断为有人，则认为驾驶员座位有人；否则，认为驾驶员座位无人。
3.根据权利要求1所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:步骤3对图像进行人脸检测中使用人脸检测器，该人脸检测器采用Adaboost算法，提取Haar特征训练得到。
4.根据权利要求3所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:训练人脸检测器时，训练的正样本中人脸的角度只覆盖司机观察前方或操控设备正常驾驶时的角度范围；训练的负样本中既包含无人脸的背景图片，也包含大角度、正常驾驶时不可能出现的角度的人脸。
5.根据权利要求1所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:步骤4中进行人体活动分析具体是: e.建立背景图/产，将摄像头捕获第一帧图像作为I卜’ f.自第二帧起，第J帧图相Zy对应的背景图1/"更新如下: ijg =a-fi)i(J-obg + β I ο-v 其中β为更新参数； g.用如下公式计算前景图Zf:1fg 二 Ij -1jbg h.用阈值》二值化前景图/f，》通过统计静止背景像素变化的方差O得到:》二` 3 ο ；` 1.统计二值化的前景图中白色像素个数Λ；; 设图像宽高分别为K仏如果N≥W*H,则认为人体活动；否则,为静止；r为判别参数，取值通过实验获得。
6.根据权利要求1所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:步骤4中进行双眼定位采用受约束的局部模型得到，该局部模型使用LBP特征和AdaBoost算法训练得到。
7.根据权利要求1所述的一种基于视频的火车驾驶员疲劳检测方法，其特征在于:步骤7中进行眼睛闭合检测具体是: 眼睛定位后，将左、右眼睛区域的图像送至眼睛闭合分类器进行闭合判断；该眼睛闭合分类器采用LBP特征和支持向量机训练得到； 判断眼睛闭合的策略是:支持向量机分类器输出两只眼睛判断结果，选择分数值最大的结果作为眼睛睁、闭状态的最终判断结果。
全文摘要
本发明涉及一种基于视频的火车驾驶员疲劳检测方法。目前已有的基于视频分析的检测疲劳方法，大多针对汽车驾驶设计。本发明从摄像头实时采集当前的一帧图像。然后进行驾驶员座位是否有人分析；人脸检测；人体活动分析；眼睛闭合检测等步骤，最后得到火车驾驶员疲劳情况。本发明使火车驾驶员疲劳状态检测准确率达到实用效果，并能给出离岗、瞌睡、注意观察前方等相关报警，检测准确性高。
文档编号G06K9/62GK103150870SQ201310044500
公开日2013年6月12日 申请日期2013年2月4日 优先权日2013年2月4日
发明者尚凌辉, 高勇, 蒋宗杰, 于晓静 申请人:浙江捷尚视觉科技有限公司