基于Ｇａｂｏｒ變換的人臉疲勞序列模式識別系統技術方案

基于Ｇａｂｏｒ變換的人臉疲勞序列模式識別系統，包括四個部分：基于Ｇａｂｏｒ變換的人臉圖像特征抽?。换跀祿诰蚣夹g的人臉疲勞序列模式挖掘；基于滑動時間窗技術的人臉圖像序列抽??；基于模式匹配技術的人臉疲勞序列模式識別。本發明專利技術以通過監視器連續采集到的人臉圖像數據流作為數據源，基于Ｇａｂｏｒ變換，結合序列模式挖掘技術，提出了一種基于Ｇａｂｏｒ變換的人臉疲勞序列模式識別模型，基于該模型的人臉疲勞序列模式識別系統能有效識別駕駛員的疲勞狀態。

【技術實現步驟摘要】
基于Gabor變換的人臉疲勞序列模式識別系統
本專利技術屬于信息技術應用領域，具體是指一種基于Gabor變換的人臉疲勞序列模 式識別系統。
技術介紹
根據美國聯邦調查局顯示，20%-30%的交通事故都是由于疲勞駕駛所引起的，駕 駛員疲勞檢測技術的研究對于預防交通事故有著重要意義。目前駕駛員疲勞檢測研究方法可以分成兩大類，一類是從駕駛員自身特征出發， 通過某種設備獲取駕駛員的生理參數特征或者視覺特征，利用駕駛員在正常狀態和疲勞狀 態的特征模式不同，采用相應的模式識別技術進行分類判別，從而檢測到是否有疲勞產生； 另一類是根據車輛的行為表現間接判斷駕駛員是否產生疲勞，在這類技術中，通過傳感器 獲取車輛在行駛過程中的各種參數，根據車輛行駛過程中的異常情況，如車輛是否超過道 路標識線，速度是否超速，車輛之間的距離是否太近等，通過車輛的異常情況判斷駕駛員是 否有疲勞產生?；谝曈X特征的疲勞檢測技術是利用攝像機和計算機視覺、數字圖像處理，模式 識別等技術對視覺特征進行分類識別。當駕駛員疲勞時會出現眼瞼運動速度變慢，眼睛睜 開幅度變小，眼睛凝視方向狹窄甚至閉眼等，有的會有頻繁點頭、打呵欠等，因此可以通過 研究眼瞼眨動、眼球運動、頭部的位移面部表情等視覺特征進行疲勞檢測，而且這種檢測方 法是非接觸式的，不會給駕駛員帶來負擔。Gabor小波的核函數與人類視覺系統中簡單細胞的視覺刺激響應非常相似，有很 好的空間局部性和方向選擇性特征。它在提取目標的局部空間和頻率域信息方面具有良好 的特性。Gabor小波對于圖像的邊緣敏感，能夠提供良好的方向選擇和尺度選擇特性，且對 于光照變化不敏感，由于他們的生物相關性和計算特性，因此Gabor小波被廣泛應用于不 同的圖像處理應用中，如人臉識別，表情識別等。但目前已有的基于Gabor變換的駕駛員疲 勞狀態識別系統一般是基于監視器采集到的單幅臉部圖形特征來判別駕駛員是否處于疲 勞駕駛狀態，從而導致誤判率很高，例如駕駛員偶爾打一個哈欠并不代表其真正的疲勞。
技術實現思路
本專利技術所要解決的技術問題在于提供一種能有效識別駕駛員是否疲勞的基于 Gabor變換的人臉疲勞序列模式識別系統。本專利技術采用以下技術方案解決上述技術問題基于Gabor變換的人臉疲勞序列模式識別系統，該系統包括四個部分基于Gabor變換的人臉圖像特征抽取利用監視器對駕駛員的臉部圖像進行采 集，并將采集得到的數據存入到統一的原始圖像數據庫中，然后，基于Gabor變換對每一幅 原始臉部圖像進行特征抽取，得到對應的人臉特征向量表示，構造人臉特征表示庫；基于數據挖掘技術的人臉疲勞序列模式挖掘對采集到的用于疲勞特征序列模式訓練的駕駛員臉部疲勞圖像序列，通過基于Gabor變換的人臉圖像特征抽取，形成駕駛員 臉部疲勞特征向量序列，進而構造疲勞特征序列模式訓練數據庫S，然后，在此基礎上，基于 序列模式挖掘技術挖掘出駕駛員臉部疲勞特征序列模式；基于滑動時間窗技術的人臉圖像序列抽取利用給定的用于分段采樣的滑動時間 窗Δ T，對監視器實時監控到的駕駛員臉部圖像數據流進行采樣，形成時間跨度為ΔΤ的采 樣臉部圖像序列，并通過基于Gabor變換的人臉圖像特征抽取，形成駕駛員臉部采樣特征 向量序列；基于模式匹配技術的人臉疲勞序列模式識別將得到的駕駛員臉部采樣特征向量 序列，與利用基于序列模式挖掘技術挖掘出的駕駛員臉部疲勞特征序列模式，進行序列模 式匹配，從而判定當前駕駛員是否處于疲勞狀態。所述基于Gabor變換的人臉圖像特征抽取包括假定一副人臉圖像為I (x，y)，則 可通過Gabor變換得到該圖像在方向u與尺度ν下的Gabor表示為Gv，u (x，y)，其中u e ，ν e 。然后，假定每幅人臉圖像的寬度和高度相同，分別為W 和H，通過寬度和高度分別為Lx和Ly的采樣窗口，可將整幅人臉圖像剖分為T ( = T0^T1)個小的矩形子圖{Lwre }，其中:T0=+1 ,Γ, =。選擇每個矩形子圖的中心點yi,r)作為樣本點，從而可將矩形子圖LiJ在方向U與尺度V 下的特征值GmrOq.r，Yi, r)。令 測臉部圖像η在方向u與尺度ν下的特征可表示為一個T維0-1向量 再令 ，則臉部圖像Ii在尺度ν下的特征可在經過方向融合之后進一步表示為一個T維0-1向量Vi, ν = (Di,.,ο, Diiva, · · ·，Du1)，最后，令不，V={v,’則臉部圖像Ii可最終表示為一個S-I維的多尺度特征向量. 由此，任意一個給定的 人臉圖像序列S = <I0, I1, ...，Ilri)可表示為一個多尺度特征向量序列fc/K，.,.,/::〉。所述基于數據挖掘技術的人臉疲勞序列模式挖掘包括對訓練集中的每個駕駛 員疲勞圖像序列又=(…》..，力>，利用基于Gabor變換的人臉圖像特征抽取方 法表示成對應的疲勞特征向量序列《=<■ ,(,...,/,L-P。然后，假定圖像t 對應的拍攝時間分別為TQ，T1, ... J,、々 =F^maxiroJi,■··, 7"..,」.} ’則選擇二表示 st的序號，從而可得到疲勞特征序列模式訓練數據庫ρ (<n:V5.>)；在此基礎上，基于一個給定的支持度閥值mirusupport，對任意序列α，定義其在5中的支持度計算方式為 support(a,i) = |{<0:·>|(<0 e )Λ(α〔::;)}|’若supporl(ot—、)2min—support,則稱α為一個疲勞序列模式，長度為1的疲勞序列模式簡稱為1-疲勞序列模式。最后，基 于序列模式挖掘技術，即可挖掘出疲勞特征序列模式訓練數據庫 中的所有疲勞序列模式 Ψ ；所述基于滑動時間窗技術的人臉圖像序列抽取包括假定監視器連續實時采 集到的駕駛員臉部圖像數據流為I1, 12，...，Ij,...，定義滑動時間窗大小為時間間隔 ΔΤ，則通過該滑動時間窗即可將上述監視器連續實時采集到的駕駛員臉部圖像數據流 分段為離散的駕駛員臉部圖像序列；然后，即可針對得到的任意駕駛員臉部圖像序列 乃, ‘K,…，，利用基于Gabor變換的人臉圖像特征抽取方法表示成對應 的特征向量序列二‘；所述基于模式匹配技術的人臉疲勞序列模式識別包括針對上述得到的當前駕 駛員臉部圖像特征向量序列基于模式匹配的方法，將ΓΓ與挖掘得到的疲勞序列模式集 合ψ中的每個疲勞序列模式進行對比，若存在一個Ψ中的疲勞序列模式β為二的子序 列，則通過監視器發布告警信息，提示駕駛員當前已處于疲勞狀態。其中，一個序列S = <Sl，S2, . . , Sl>稱為另一個序列t = <ti; t2，. . .，tm>的子序列，當且僅當存在一系列整數 1 ^ J1 ^ j2 ^ ... ^ J1 ^ m，使得 本專利技術的優點在于以監視器連續實時采集到的駕駛員臉部圖像數據流數據作為 數據源，基于Gabor變換與數據挖掘技術，提出了一種可快速有效地判定駕駛員當前是否 處于疲勞駕駛狀態的人臉疲勞序列模式識別模型，基于該模型的人臉疲勞序列模式識別系 統能實時有效地監控駕駛員當前是否處于疲勞駕駛狀態。在該方法中，不是單純基于單幅 臉部圖形特征來判別駕駛員是否處于疲勞駕本文檔來自技高網...

【技術保護點】
基于Ｇａｂｏｒ變換的人臉疲勞序列模式識別系統，其特征在于：該系統包括四個部分：基于Ｇａｂｏｒ變換的人臉圖像特征抽取：利用監視器對駕駛員的臉部圖像進行采集，并將采集得到的數據存入到統一的原始圖像數據庫中，然后，基于Ｇａｂｏｒ變換對每一幅原始臉部圖像進行特征抽取，得到對應的人臉特征向量表示，構造人臉特征表示庫；基于數據挖掘技術的人臉疲勞序列模式挖掘：對采集到的用于疲勞特征序列模式訓練的駕駛員臉部疲勞圖像序列，通過基于Ｇａｂｏｒ變換的人臉圖像特征抽取，形成駕駛員臉部疲勞特征向量序列，進而構造疲勞特征序列模式訓練數據庫Ｓ，然后，在此基礎上，基于序列模式挖掘技術挖掘出駕駛員臉部疲勞特征序列模式；基于滑動時間窗技術的人臉圖像序列抽取：利用給定的用于分段采樣的滑動時間窗ΔＴ，對監視器實時監控到的駕駛員臉部圖像數據流進行采樣，形成時間跨度為ΔＴ的采樣臉部圖像序列，并通過基于Ｇａｂｏｒ變換的人臉圖像特征抽取，形成駕駛員臉部采樣特征向量序列；基于模式匹配技術的人臉疲勞序列模式識別：將得到的駕駛員臉部采樣特征向量序列，與利用基于序列模式挖掘技術挖掘出的駕駛員臉部疲勞特征序列模式，進行序列模式匹配，從而判定當前駕駛員是否處于疲勞狀態。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：王雷，蔣新華，楊海燕，王桐森，
申請(專利權)人：福建工程學院，
類型：發明
國別省市：35[中國|福建]