本發(fā)明屬于面部識別，具體涉及一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)及方法。
背景技術(shù)：
1、基于面部特征識別的安全駕駛預(yù)警系統(tǒng)及方法是一種利用計算機視覺和人工智能技術(shù)，通過實時監(jiān)測駕駛員的面部特征(如眼睛、嘴巴、頭部姿態(tài)等)來判斷其駕駛狀態(tài)，并在檢測到疲勞、分心或其他危險行為時發(fā)出警報的系統(tǒng)，這種系統(tǒng)旨在提高駕駛安全性，減少因人為因素導(dǎo)致的交通事故。
2、現(xiàn)有技術(shù)存在的問題：
3、在現(xiàn)有關(guān)于面部識別過程中，特別是處于駕駛狀態(tài)下，復(fù)雜環(huán)境下面部特征識別精度不足，如光照變化、遮擋等，而對于多數(shù)人體面部靜態(tài)模型無法適應(yīng)動態(tài)駕駛場景，如肌肉形變、環(huán)境交互等，從而在駕駛過程中，對于駕駛員的狀態(tài)識別不夠準確，且識別過程中，不準確的識別，容易造成信息的誤報，造成對正常駕駛狀態(tài)的駕駛員影響。
技術(shù)實現(xiàn)思路
1、本發(fā)明的目的是提供一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)及方法，能夠通過三維動態(tài)模型提升識別魯棒性，混合光照補償算法降低環(huán)境干擾，并通過多模態(tài)融化實現(xiàn)精準風(fēng)險評估，減少因誤報造成的駕駛員的干擾。
2、本發(fā)明采取的技術(shù)方案具體如下：
3、一種基于面部特征識別安全駕駛預(yù)警方法，包括如下步驟：
4、獲取并建立駕駛員三維模型、車輛模型、外部環(huán)境模型，并根據(jù)獲取的模型在模擬系統(tǒng)中運行生成關(guān)聯(lián)模型數(shù)據(jù)庫；
5、根據(jù)關(guān)聯(lián)模型數(shù)據(jù)庫中三種模型組合運行監(jiān)測數(shù)據(jù)，獲取不同狀態(tài)下對駕駛員三維模型的影響參數(shù)，并生成動態(tài)數(shù)據(jù)集；
6、基于駕駛員三維模型構(gòu)建靜態(tài)構(gòu)線與動態(tài)構(gòu)線，并關(guān)聯(lián)光照補償；
7、將靜態(tài)構(gòu)線附著于駕駛員三維模型上，關(guān)聯(lián)光照補償，并在模擬系統(tǒng)中的監(jiān)測參數(shù)變化，生成模型數(shù)據(jù)并錄入關(guān)聯(lián)模型數(shù)據(jù)庫，生成對應(yīng)動態(tài)數(shù)據(jù)集的對照組；
8、將動態(tài)構(gòu)線附著于駕駛員三維模型上，關(guān)聯(lián)光照補償，并在模擬系統(tǒng)中的監(jiān)測參數(shù)對比對照組，生成動態(tài)數(shù)據(jù)，錄入動態(tài)數(shù)據(jù)集；
9、實時獲取的駕駛員特征數(shù)據(jù)，分別對比模型數(shù)據(jù)與動態(tài)數(shù)據(jù)；
10、判斷是否與模型數(shù)據(jù)或動態(tài)數(shù)據(jù)重合；
11、根據(jù)模型數(shù)據(jù)與動態(tài)數(shù)據(jù)對比獲取偏差，根據(jù)偏差判定風(fēng)險等級，驗證駕駛員狀態(tài)；
12、根據(jù)獲取的駕駛員狀態(tài)判定風(fēng)險等級，實現(xiàn)對應(yīng)等級預(yù)警系統(tǒng)的觸發(fā)。
13、駕駛員三維模型、車輛模型、外部環(huán)境模型分別包括靜態(tài)模型與動態(tài)模型，靜態(tài)模型為建立的參考模型，根據(jù)獲取的模型數(shù)據(jù)建立動態(tài)模型，動態(tài)模型包括駕駛員三維模型、車輛模型、外部環(huán)境模型任一獨立運動模型，以及任一組合的相對運動模型；
14、關(guān)聯(lián)模型數(shù)據(jù)庫為靜態(tài)模型與動態(tài)模型的集合，以及對應(yīng)駕駛員三維模型、車輛模型、外部環(huán)境模型任一模型關(guān)聯(lián)數(shù)據(jù)的集合。
15、動態(tài)數(shù)據(jù)集至少包括駕駛員三維模型關(guān)聯(lián)數(shù)據(jù)的集合，關(guān)聯(lián)數(shù)據(jù)包括但不限于駕駛員三維模型靜態(tài)與動態(tài)位置信息、多個模型間相對坐標位置信息、光照信息；
16、其中駕駛員三維模型的靜態(tài)構(gòu)線包括但不限于基于面部的眼眶、嘴唇、下巴、側(cè)臉的基準輪廓線；
17、動態(tài)構(gòu)線包括但不限于基于面部的嘴唇張合、眼眶收縮、皺紋生成、側(cè)臉收縮的動態(tài)輪廓線。
18、駕駛員特征數(shù)據(jù)根據(jù)時間變化，集成多模態(tài)面部特征，判斷駕駛員靜態(tài)輪廓與動態(tài)輪廓之間的變化趨向，根據(jù)變化趨向在變化過程中與模型數(shù)據(jù)及動態(tài)數(shù)據(jù)之間的關(guān)系是否超過閾值，根據(jù)超過閾值的偏差大小，以判斷駕駛員狀態(tài)，以及風(fēng)險等級。
19、一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)，包括：
20、圖像采集與預(yù)處理模塊，通過車載圖像獲取設(shè)備獲取駕駛員面部及面部周圍圖像，以及至少設(shè)置一個紅外攝像頭與混合光照補償模塊；
21、三維動態(tài)建模模塊，三維動態(tài)建模模塊生成駕駛員面部肌肉動力學(xué)模型，提取靜態(tài)構(gòu)線與動態(tài)構(gòu)線特征；
22、多模態(tài)特征融合模塊，集成面部表情、生理參數(shù)及環(huán)境傳感器數(shù)據(jù)，度量動態(tài)構(gòu)線與基準模型的偏差；
23、風(fēng)險評估與預(yù)警模塊，基于動態(tài)數(shù)據(jù)集的增量式學(xué)習(xí)模型評估風(fēng)險等級，并根據(jù)分級閾值觸發(fā)語音、振動或緊急制動響應(yīng)。
24、動態(tài)數(shù)據(jù)集存儲并運行動態(tài)數(shù)據(jù)系統(tǒng)，用于存儲個性化駕駛特征的動態(tài)數(shù)據(jù)，以及駕駛員三維模型、車輛模型及外部環(huán)境模型任意組合的數(shù)據(jù)參數(shù)。
25、圖像采集與預(yù)處理模塊還至少包括兩個視角交叉的攝像頭，混合光照補償模塊采用retinex算法結(jié)合can總線數(shù)據(jù)實現(xiàn)混合光照補償。
26、使用hausdorff距離度量動態(tài)構(gòu)線與基準模型的偏差。
27、根據(jù)本發(fā)明實施例的又一方面，還提供了一種計算機可讀存儲介質(zhì)，存儲介質(zhì)存儲有計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)前述中任一項的方法。
28、根據(jù)本發(fā)明實施例的又一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，計算機程序被處理器執(zhí)行時實現(xiàn)前述中任一項的方法。
29、本發(fā)明取得的技術(shù)效果為：
30、本發(fā)明，通過動態(tài)調(diào)節(jié)參數(shù)，消除因車內(nèi)外光照變化導(dǎo)致的面部識別誤差，提升靜態(tài)/動態(tài)輪廓線提取精度，結(jié)合can總線數(shù)據(jù)，實現(xiàn)光照參數(shù)的實時優(yōu)化，確保復(fù)雜駕駛場景下的魯棒性。
31、本發(fā)明，基于駕駛員三維模型構(gòu)建靜態(tài)構(gòu)線與動態(tài)構(gòu)線，并分別附著于駕駛員三維模型，分別生成模型數(shù)據(jù)與動態(tài)數(shù)據(jù)，通過兩者生成的對照組，實現(xiàn)對不同駕駛員駕駛狀態(tài)的個性化模擬與對比，并將對應(yīng)的數(shù)據(jù)上傳至對應(yīng)的關(guān)聯(lián)模型數(shù)據(jù)庫與動態(tài)數(shù)據(jù)集中，構(gòu)建針對同一個駕駛員的特征數(shù)據(jù)，并通過判斷是否與模型數(shù)據(jù)或動態(tài)數(shù)據(jù)重合，根據(jù)模型數(shù)據(jù)與動態(tài)數(shù)據(jù)對比獲取偏差，根據(jù)偏差判定風(fēng)險等級，驗證駕駛員狀態(tài)，從而制定如車輛預(yù)警、遠程預(yù)警、遠程接管、自動駕駛接管、報警、急救預(yù)警等。
1.一種基于面部特征識別安全駕駛預(yù)警方法，其特征在于，包括如下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于面部特征識別安全駕駛預(yù)警方法，其特征在于：所述駕駛員三維模型、車輛模型、外部環(huán)境模型分別包括靜態(tài)模型與動態(tài)模型，所述靜態(tài)模型為建立的參考模型，根據(jù)獲取的模型數(shù)據(jù)建立動態(tài)模型，所述動態(tài)模型包括駕駛員三維模型、車輛模型、外部環(huán)境模型任一獨立運動模型，以及任一組合的相對運動模型；
3.根據(jù)權(quán)利要求1所述的一種基于面部特征識別安全駕駛預(yù)警方法，其特征在于：所述動態(tài)數(shù)據(jù)集至少包括駕駛員三維模型關(guān)聯(lián)數(shù)據(jù)的集合，所述關(guān)聯(lián)數(shù)據(jù)包括但不限于駕駛員三維模型靜態(tài)與動態(tài)位置信息、多個模型間相對坐標位置信息、光照信息；
4.根據(jù)權(quán)利要求1所述的一種基于面部特征識別安全駕駛預(yù)警方法，其特征在于：所述駕駛員特征數(shù)據(jù)根據(jù)時間變化，集成多模態(tài)面部特征，判斷駕駛員靜態(tài)輪廓與動態(tài)輪廓之間的變化趨向，根據(jù)變化趨向在變化過程中與模型數(shù)據(jù)及動態(tài)數(shù)據(jù)之間的關(guān)系是否超過閾值，根據(jù)超過閾值的偏差大小，以判斷駕駛員狀態(tài)，以及風(fēng)險等級。
5.一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)，運行權(quán)利要求1至4中任一所述的方法，其特征在于，包括：
6.根據(jù)權(quán)利要求5所述的一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)，其特征在于：所述動態(tài)數(shù)據(jù)集存儲并運行動態(tài)數(shù)據(jù)系統(tǒng)，用于存儲個性化駕駛特征的動態(tài)數(shù)據(jù)，以及駕駛員三維模型、車輛模型及外部環(huán)境模型任意組合的數(shù)據(jù)參數(shù)。
7.根據(jù)權(quán)利要求5所述的一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)，其特征在于：所述圖像采集與預(yù)處理模塊還至少包括兩個視角交叉的攝像頭，所述混合光照補償模塊采用retinex算法結(jié)合can總線數(shù)據(jù)實現(xiàn)混合光照補償。
8.根據(jù)權(quán)利要求5所述的一種基于面部特征識別安全駕駛預(yù)警系統(tǒng)，其特征在于：使用hausdorff距離度量動態(tài)構(gòu)線與基準模型的偏差。
9.一種計算機可讀存儲介質(zhì)，所述存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至4中任一項所述的方法。
10.一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至4中任一項所述的方法。