基于深度相机的疲劳预警检测算法研究

李金宝 张维忠

摘要：  为解决复杂环境下传统彩色图像对危险驾驶行为无法正确识别的难点，本文提出一种基于深度相机的疲劳预警检测方法。首先通过深度相机获取驾驶员的红外图像与深度图像，对获取的红外图像使用局部二值模式（local binary pattern，LBP）特征算子检测定位人脸区域;在人脸区域使用随机森林和全局线性回归相结合的方法训练出模型，并检测定位人脸的68个特征点，进而确定眼睛和嘴巴的闭合状态。为了增强疲劳检测的准确性，判断驾驶员佩戴眼镜情况，采用改进的疲劳检测算法判定驾驶员的疲劳状态，同时采用图像处理方法对眼部状态与嘴部状态进行疲劳检测。检测结果表明，本算法能够有效识别白天和夜间眼睛与嘴部的疲劳状态，具有较强的实用性。

关键词：  OpenCV; 疲劳检测; 人脸关键点; 红外图像; 危险驾驶

中图分类号： TP391.413 文献标识码： A

收稿日期： 2019-03-25; 修回日期： 2019-10-21

作者简介：  李金宝（1995-），男，硕士研究生，主要研究方向为计算机视觉。

通信作者：  张维忠（1963-），男，博士，教授，主要研究方向为计算机视觉、模式识别和图像处理等。Email： zhangwz_01@aliyun.com

目前，我国已成为汽车制造大国，汽车保有量跃居世界第二。随着汽车数量的不断增加，交通事故及死亡人数也随之增多。据美国国家公路交通安全管理局的调查报告显示，在以往的交通事故中，由疲劳驾驶引起的事故比例较大[1]。近年来，通过脑电波检测疲劳[2-3]和外部特征检测疲劳都有较大发展，既有传统的帧差法[4]与机器学习的Adaboost眼部阈值分割法[5]，也有瞳孔判别法[6]、面部特征法[7-8]和使用深度学习定位特征点的方法[9-10]。……