本发明属于汽车安全技术领域，特别涉及一种夜间驾驶跟踪方法，其特征在于：首先，搜索出人眼反光点作为驾驶跟踪基础，进行图像采样、图像处理，通过图像识别搜索到人眼反光点，并保存搜索到人眼反光点时的二值化阈值作为初始二值化阈值，保证人眼反光点位置作为初始人眼位置；然后，进行驾驶跟踪判断，即从视频中抽帧得到后续原始图像，根据初始人眼位置在后续原始图像中分割出面部区域图像作为待识别图像，继续跟踪搜索人眼反光点，根据搜索结果判断驾驶情况。本发明具有准确性、实时性和适应性优点，可以对危险时刻做出判断并给予驾车者帮助，是安全驾车的理想辅助。
首先，搜索出人眼反光点作为驾驶跟踪基础，包括以下步骤，
步骤2，图像处理，即从视频中抽帧得到初始原始图像；
步骤3，图像识别，待识别图像采用初始原始图像，具体方式为以枚举方式变换二值化阈值，随二值化阈值的变化循环执行下列三个步骤31～33直到搜索到人眼反光点，并保存搜索到人眼反光点时的二值化阈值作为初始二值化阈值，保证人眼反光点位置作为初始人眼位置，步骤31，对待识别图像二值化，得到二值图像；
步骤33，在膨胀图像中搜索人眼反光点，所述搜索方式为先搜索面部位置，再在面部位置中搜索眼部位置，在眼部位置中搜索人眼反光点；
然后，进行驾驶跟踪判断，即从视频中抽帧得到后续原始图像，根据初始人眼位置在后续原始图像中分割出面部区域图像作为待识别图像，以初始二值化阈值执行步骤31～33搜索人眼反光点，根据搜索结果判断驾驶情况。
2.根据权利要求1所述的夜间驾驶跟踪方法，其特征在于：在车内提供红外线光源，拍摄采用红外线摄像头。
3.根据权利要求1所述的夜间驾驶跟踪方法，其特征在于：在挡风玻璃前方向盘之后的车台上安放拍摄采用的摄像头，摄像头的镜头面对驾驶座。
4.根据权利要求1所述的夜间驾驶跟踪方法，其特征在于：所述枚举方式为从小到大调整二值化阈值。
5.根据权利要求1所述的夜间驾驶跟踪方法，其特征在于：所述搜索面部位置实现方式为，寻找膨胀图像内白色区域最上和最左的坐标值并保存，从上到下从左到右按设定面部范围尺寸进行分割，分割出的区域为面部位置；所述搜索眼部位置的实现方式为，寻找面部位置内的灰度最大区域，即为眼部位置；所述在眼部位置中搜索人眼反光点的实现方式为，寻找眼部位置内的矩形光点，即为人眼反光点，并将矩形左上角的像素点坐标定为人眼反光点的中心坐标。
6.根据权利要求1或2或3或4或5所述的夜间驾驶跟踪方法，其特征在于：所述根据搜索结果判断驾驶情况的具体方式如下，当在面部区域图像中搜索到人眼反光点时，判断为正常驾驶，从视频中提取下一幅后续原始图像继续跟踪；
当在面部区域图像中搜索不到人眼反光点时，执行面部区域深入搜索，即以枚举方式调整二值化阈值并随阈值变换循环执行步骤31～33搜索人眼反光点，如果搜索到人眼反光点则判断为非正常驾驶，在搜索结果基础上提取下一幅后续原始图像继续进行驾驶跟踪判断；如果枚举调整完二值化阈值仍搜索不到人眼反光点则判断为危险驾驶。
7.根据权利要求6所述的夜间驾驶跟踪方法，其特征在于：设定头部位置上限值，当判断为危险驾驶时，以面部区域图像作为待识别图像搜索面部位置，白色区域像素点最高点的坐标值大于头部位置上限值时，判断为驾驶者失去意识。
8.根据权利要求6所述的夜间驾驶跟踪方法，其特征在于：设定时延，当在面部区域图像中搜索不到人眼反光点时，提取下一幅后续原始图像分割出面部区域图像继续搜索，直到超过时延仍没有搜索到人眼反光点时，开始执行面部区域深入搜索。
9.根据权利要求7所述的夜间驾驶跟踪方法，其特征在于：设定时延，当在面部区域图像中搜索不到人眼反光点时，提取下一幅后续原始图像分割出面部区域图像继续搜索，直到超过时延仍没有搜索到人眼反光点时，开始执行面部区域深入搜索。
夜间驾驶跟踪方法
技术领域
[0001] 本发明属于汽车安全技术领域，特别涉及一种夜间驾驶跟踪方法。
背景技术
[0002] 汽车行驶安全性是驾驶人关心的问题。中国拥有全世界1.9％的汽车，引发的交通死亡事故却占了全球的15％，已经成为交通事故最多发的国家之一，引发交通事故很大一部分原因是由于车辆的安全性能相对比较差、驾驶员安全意识淡薄造成的，由于夜间驾驶容易困倦，造成的事故尤其多。关注汽车安全，不仅是为了司机和乘客，而且为了道路上其他的人。通过视频监视实现驾驶跟踪技术是汽车安全领域的一个重要研究方向，但是由于现有技术的监视判断灵敏度不高，图像数据处理量过大，因此实用效果不佳，无法及时对驾驶危险情况做出反映，距离实际应用还需要克服这些问题。
发明内容
[0003] 本发明目的在于提供一种能够实时跟踪监视驾驶情况的夜间驾驶跟踪方法。
[0004] 本发明的技术方案为：首先，搜索出人眼反光点作为驾驶跟踪基础，包括以下步骤，
[0005] 步骤1，图像采样，即拍摄车内驾驶座的视频并保存；
[0006] 步骤2，图像处理，即从视频中抽帧得到初始原始图像；
[0007] 步骤3，图像识别，待识别图像采用初始原始图像，具体方式为以枚举方式变换二值化阈值，随二值化阈值的变化循环执行下列三个步骤31～33直到搜索到人眼反光点，并保存搜索到人眼反光点时的二值化阈值作为初始二值化阈值，保证人眼反光点位置作为初始人眼位置，
[0008] 步骤31，对待识别图像二值化，得到二值图像；
[0009] 步骤32，对二值图像进行膨胀处理，得到膨胀图像；
[0010] 步骤33，在膨胀图像中搜索人眼反光点，所述搜索方式为先搜索面部位置，再在面部位置中搜索眼部位置，在眼部位置中搜索人眼反光点；
[0011] 然后，进行驾驶跟踪判断，即从视频中抽帧得到后续原始图像，根据初始人眼位置在后续原始图像中分割出面部区域图像作为待识别图像，以初始二值化阈值执行步骤31～33搜索人眼反光点，根据搜索结果判断驾驶情况。
[0012] 而且，在车内提供红外线光源，拍摄采用红外线摄像头。
[0013] 而且，在挡风玻璃前方向盘之后的车台上安放拍摄采用的摄像头，摄像头的镜头在垂直于地面过方向盘中心线的平行位置，并面对驾驶座。
[0014] 而且，所述枚举方式为从小到大调整二值化阈值。
[0015] 而且，所述搜索面部位置实现方式为，寻找膨胀图像内白色区域最上和最左的坐标值并保存，从上到下从左到右按设定面部范围尺寸进行分割，分割出的区域为面部位置；所述搜索眼部位置的实现方式为，寻找面部位置内的灰度最大区域，即为眼部位置；所述在眼部位置中搜索人眼反光点的实现方式为，寻找眼部位置内的矩形光点，即为人眼反光点，并将矩形左上角的像素点坐标定为人眼反光点的中心坐标。
[0016] 而且，所述根据搜索结果判断驾驶情况的具体方式如下，
[0017] 当在面部区域图像中搜索到人眼反光点时，判断为正常驾驶，从视频中提取下一幅后续原始图像继续跟踪；
[0018] 当在面部区域图像中搜索不到人眼反光点时，执行面部区域深入搜索，即以枚举方式调整二值化阈值并随阈值变换循环执行步骤31～33搜索人眼反光点，如果搜索到人眼反光点则判断为非正常驾驶，在搜索结果基础上提取下一幅后续原始图像继续进行驾驶跟踪判断；如果枚举调整完二值化阈值仍搜索不到人眼反光点则判断为危险驾驶。
[0019] 而且，设定头部位置上限值，当判断为危险驾驶时，以面部区域图像作为待识别图像搜索面部位置，白色区域像素点最高点的坐标值大于头部位置上限值时，判断为驾驶者失去意识。
[0020] 而且，设定时延，当在面部区域图像中搜索不到人眼反光点时，提取下一幅后续原始图像分割出面部区域图像继续搜索，直到超过时延仍没有搜索到人眼反光点时，开始执行面部区域深入搜索。
[0021] 本发明创造性地提出利用人眼反光点进行驾驶状况判断，准确率高；而且判断基于二值化图像，数据处理量小，在跟踪中重点监视面部区域图像进一步缩小了数据处理任务，因此反应迅速，满足实时驾驶跟踪需要。应用本发明可以对各种驾驶情况进行精细分析，便于针对处理，既不影响正常驾驶，又能够避免危险，满足准确性、实时性和适应性要求，具有重大推广价值。
附图说明
[0022] 图1本发明实施例的原理示意图。
[0023] 图2本发明实施例的具体流程图。
具体实施方式
[0024] 本发明的夜间驾驶跟踪方法分为两步，首先进行初始搜索，然后在初始搜索结果的基础上进行小区域范围内搜索，效率高判断快。本发明提供的技术方案如下：
[0025] 首先，搜索出人眼反光点作为驾驶跟踪基础，包括以下步骤，
[0026] 步骤1，图像采样，即拍摄车内驾驶座的视频并保存。要采集图像的首要条件是车内存在光源，但考虑到根据视觉原理，只有在车内光线比车室外弱时，驾驶员才能透过挡风玻璃观察路况。因此在车内提供光源不能使用强烈的可见光。另外光线越暗驾驶员瞳孔放的也就越大。瞳孔放的越大，观察事物也就越清晰。所以为了保证行车安全，本发明提供进一步技术方案：在车内提供红外线光源，拍摄采用红外线摄像头。优选实施方式是，在挡风玻璃前方向盘之后的车台上安放拍摄采用的摄像头，摄像头的镜头在垂直于地面过方向盘中心线的平行位置，并面对驾驶座。
[0027] 步骤2，图像处理，即从视频中抽帧得到初始原始图像。为了提高数据处理效率，对从摄像头采集下来的图像数据可以进行格式转化处理，比如将彩色摄像头拍摄的彩色原始图像转化为灰度图像，可以大比例地压缩数据量。
[0028] 步骤3，图像识别，待识别图像采用初始原始图像，具体方式为以枚举方式变换二值化阈值，随二值化阈值的变化循环执行下列三个步骤31～33直到搜索到人眼反光点，并保存搜索到人眼反光点时的二值化阈值作为初始二值化阈值，保证人眼反光点位置作为初始人眼位置。有序地枚举能够保证搜索效率，可以从小到大调整二值化阈值。
[0029] 步骤31，对待识别图像二值化，得到二值图像；
[0030] 步骤32，对二值图像进行膨胀处理，得到膨胀图像；
[0031] 步骤33，在膨胀图像中搜索人眼反光点，所述搜索方式为先搜索面部位置，再在面部位置中搜索眼部位置，在眼部位置中搜索人眼反光点；
[0032] 利用人眼反光点进行驾驶状况判断是本发明的重要改进点，因为不管是在什么样的光照环境，眼睛的反光特性是不受影响的。在图像中，人眼反光点表现为1个像素光点，在对二值图像进行膨胀处理后，人眼反光点会表现为2×2象素的小矩形光点。本发明利用反光特性在图像中的独特表现，进行图像识别的准确率非常高。本发明还提供了进一步技术方案，实现面部-眼部-反光点的逐步搜索，比起整幅画面进行逐点扫描判断效率更高：所述搜索面部位置实现方式为，寻找膨胀图像内白色区域最上和最左的坐标值并保存，从上到下从左到右按设定面部范围尺寸(实施时可根据具体情况设定)进行分割，分割出的区域为面部位置；所述搜索眼部位置的实现方式为，寻找面部位置内的灰度最大区域，即为眼部位置；所述在眼部位置中搜索人眼反光点的实现方式为，寻找眼部位置内的矩形光点，即为人眼反光点，并将矩形左上角的像素点坐标定为人眼反光点的中心坐标。具体实施时可以采用基于MATLAB的现有图像处理芯片实现搜索识别。
[0033] 然后，进行驾驶跟踪判断，即从视频中抽帧得到后续原始图像，根据初始人眼位置在后续原始图像中分割出面部区域图像作为待识别图像，以初始二值化阈值执行步骤31～33搜索人眼反光点，根据搜索结果判断驾驶情况。
[0034] 因为驾驶员如果正常驾驶，眼部位置并不会有大幅的变动，从后续原始图像中分割出面部区域图像作为待识别图像，对面部区域进行持续跟踪识别，显然比一直监视摄像头拍摄到的整幅图像效率更高。所谓面部区域，并非指完整的面部，实施时可以只选取比眼部位置稍大的区域，根据初始人眼位置确定中心点进行分割是合理的选择。本发明实施例从摄像头采集获取的原始图像为320×240像素的灰度，图像数据量为10kb左右；经过二值化后为81×111像素的二值图像，图像数据量为450字节左右；分割出的面部区域图像二值化后，所供判别搜索的图像为41×111像素，数据量为280字节。可见本发明对数据处理量进行了有效控制，能够连续快速处理摄像头拍摄的图像，具有良好的实时性。
[0035] 以面部区域图像作为待识别图像，以初始二值化阈值执行步骤31～33搜索人眼反光点，根据所述根据搜索结果不仅可以判断驾驶情况，还可以通过分析得到更精确的驾驶行为：
[0036] 当在面部区域图像中搜索到人眼反光点时，判断为正常状态的驾驶，从视频中提取下一幅后续原始图像继续跟踪；
[0037] 当在面部区域图像中搜索不到人眼反光点时，执行面部区域深入搜索，即以枚举方式调整二值化阈值并随阈值变换循环执行步骤31～33搜索人眼反光点。如果搜索到人眼反光点则判断为非正常驾驶，表示驾驶员改变了驾车时的坐姿，或者外部光线环境发生变化，在搜索结果基础上提取下一幅后续原始图像继续进行驾驶跟踪判断即可，因此本发明技术方案的适应性也非常好。如果枚举调整完二值化阈值仍搜索不到人眼反光点则判断为危险驾驶，可能是驾驶员眼睛闭上或者面向别处，就是说打瞌睡或视线偏离车道。
[0038] 在驾驶安全中，驾驶者低头的情况需要特别警惕，本发明提供了进一步技术方案：设定头部位置上限值，当判断为危险驾驶时，以面部区域图像作为待识别图像搜索面部位置，白色区域像素点最高点的坐标值大于头部位置上限值时，判断为驾驶者失去意识。
[0039] 考虑到正常驾驶的时候，驾驶员不可能一直盯着路面。偶尔的眨眼看看后视镜等短暂举动应当是驾车允许的，因此没有必要对这种情形做出反应。本发明提出：设定时延，当在面部区域图像中搜索不到人眼反光点时，提取下一幅后续原始图像分割出面部区域图像继续搜索，直到超过时延仍没有搜索到人眼反光点时，才开始执行面部区域深入搜索。只要具体实施时合理设定时延长短，就可以在尽量节约处理资源的情况下，既不影响正常驾驶，又能够避免危险。
[0040] 参见图1，本发明提供了实施例基本原理：采用CMOS摄像头拍摄视频，然后进行视频抽帧等图像处理，将原始图像保存。由于视频由连续图像组成，为了便于实时跟踪，可以将原始图像按时间顺序编号存放。采用基于MATLAB的图像处理芯片在原始图像基础上进行视频识别，最后将各种情形的图像分类保存备用：正常状态下的图像、打瞌睡或视线偏离车道的图像、失去意识时的图像。具体应用时也可根据跟踪结果进行其他后续处理，例如发声提示、驾驶接管等，本发明不予赘述。参见图2，本发明还提供了实施例的具体流程，以便实施参考：调用原始图像，二值化阈值设为25(实验发现采用25通常能够立即搜索出面部位置，是优选的经验值)，进行图像二值化，然后逐渐提升阈值大小；若阈值大于45时可以直接调用下一张后续原始图像，以提高效率，若在25～45之间找到了人眼反光点，保存当前阈值和中心点坐标，然后开始跟踪判断：调用之后的图像，调用阈值和中心点坐标，分割二值图像，判断是否出现眼部反光点，如果没有出现则重新调整阈值进行面部区域图像深入搜索。如果仍未出现眼部反光点，则判断头部是否下垂，以便提示出现了最危险的驾驶情况。
