專利名稱：機車司機行車狀態監控智能報警系統的制作方法
技術領域：
本發明涉及一種涉及監測駕駛員行為的視頻圖象處理技術，尤其一種當駕駛員行為超出正常允許的范圍時，采取適當的措施，規范駕駛員行為的機車司機行車狀態監控智能報警系統。
背景技術：
駕駛員由于長時間駕駛，并且一直進行重復性勞動，在加上夜間，各種路況等因素，駕駛員往往不能集中精神，甚至有時會出現不注意前方，坐姿不端正，瞌睡等疲勞行為，鐵路表現的尤其明顯。而駕駛員身處戶外，缺乏有效的監督機制，給人民生命和財產帶來很大的安全隱患。
目前，市場上也有一些產品來解決這個問題，但是大都受到光線的影響，
如自然強光的照射、逆光的影響等造成誤判率的居高不下；另外，現有的報警系統大都是統一標配產品，其中的參數都已經設定好，在針對高矮胖瘦的不同人，需要在使用前將其位置調好，但是，通常人的標準坐姿和人平常的坐姿往往有一定的不同，這種不同需要人不斷調整設備的位置和角度來克服，以便設備能夠有效地對機車司機行車狀態進行監控；這樣費時又費力，所以一種使用方便和誤報率低的監控系統急需被研制。

發明內容
本發明針對以上問題的提出，而研制一種智能型機車司機行車狀態監控智能報警系統，可以規范駕駛員行為，敦促其安全駕駛。本發明所采用的技術手段如下-
一種機車司機行車狀態監控方法，其特征在于包括人臉活動區域檢測方法和人臉檢測/跟蹤方法；
所述人臉活動區域檢測方法包括如下歩驟
(1) 通過攝像頭獲取外部圖像信息；
(2) 通過實時特征檢測技術對人臉進行檢測；
6(3) 對上步驟中所檢測到的人臉部信息進行人臉中心的檢測；
(4) 當上述步驟中檢測到的人臉的中心在獲取連續幾幀圖像中的處于穩定 狀態，并且這個連續穩定狀態的圖像幀數大于設定閾值后，進行下一步驟，否
則返回步驟(2);
(5) 以上述步驟獲取的人臉中心為參考，確定人臉活動境界內區Ri和人
臉活動境界外區RO;
即人臉活動區域檢測方法之后，利用人臉檢測/跟蹤方法對司機行車狀態進 行監測，在此過程中利用跟蹤算法和檢測算法配合監測，具體包括如下步驟
(6) 首先判定該檢測是否為確定人臉中心之后的第一次檢測；
(7) 在確定是確定人臉中心之后的第一次檢測，則對存儲前幀圖像檢測隊 列和跟蹤區域中心的隊列進行清空，同時記錄入隊時刻；
(8) 在確定不是確定人臉中心之后的第一次檢測，則判定當前幀圖像檢測 的方法是跟蹤算法獲取？還是檢測算法獲取？如是跟蹤算法獲取，不對當前幀 圖像做進一步處理；如是檢測算法獲取，將其存儲到緩存中待下一步處理；
(9) 對步驟(7)或步驟(8)中需進一歩判斷的當前N幀圖像進行人臉區 域中心的再次檢測；然后根據人臉中心的在人臉活動頻繁境界內區Ri和人臉活 動略少境界外區Ro中的具體位置進行如下處理
a、 當人臉中心在人臉活動境界外區Ro之外進行如下步驟
① 首先記錄當前時刻；
② 計算具連續幀圖像檢測人臉中心都在人臉活動境界外區Ro之外中的首次 幀圖像的時刻；
③ 判斷上述時刻是否大于設定閾值；
④ 當不大于設定閾值則返回步驟(6)中；
⑤ 當上述時刻大于設定閾值，進行語音報警提示司機回到原位置，并記錄 此次報警；
⑥ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機 監控總臺，同時清空隊列返回歩驟(1);
b、 當人臉中心在人臉活動境界內區Ri和人臉活動境界外區Ro之間進行如 下步驟① 首先根據人眼特征識別算法，檢測人眼的特征；
② 利用組合分離器統計上述各人眼特征，統計出一個統計值；
③ 將上述統計值和設定閾值進行比較；
④ 當上述統計值大于閾值則返回步驟(6)中；
⑤ 當上述統計值小于閾值則進行人眼長度的檢測；
⑥ 當步驟⑤中檢測到的人眼長度大于設定閾值返回步驟(6)中；
⑦ 當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此 次報警；
⑧ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機 監控總臺，后清空隊列返回步驟(6);
c、當人臉中心在人臉活動境界內區Ri內進行如下步驟-
① 首先根據人眼特征識別算法進行人眼長度的檢測；
② 當上述步驟中檢測到的人眼長度大于設定閾值返回步驟(6)中；
③ 當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此 次報警；
④ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機 監控總臺，后清空隊列返回步驟(6)。
所述跟蹤算法和檢測算法是利用Adaboost算法進行示例學習，頻域特征提 取，在JPEG圖象的DCT系數中提取出額頭、眼睛、嘴、鼻子和下巴面部特征， 用小波變換的方法濾掉高額信息，采用低頻圖象的頻譜來表達圖象，使用人臉 圖象的Harr小波系數作為特征矢量，通過SVM機制實現人的臉部檢測和跟蹤， 同時不必考慮寬度為一個像素的矩形特征，同時減少邊緣的矩形特征，采用直 方圖歸一化處理樣本
在己經檢測到人臉，抓取特征值情況下，檢測是抓取的特征值在一定范圍 內小幅度移動即為檢測算法；
跟蹤是抓取的特征值在一定范圍內較大幅度移動，在一個平面動態的時時 對比，跟蹤特征值即為跟蹤算法。
上述歩驟⑤中所述人臉活動境界內區Ri和人臉活動境界外區Ro，是通過將 檢測到的人臉中心圖像形成二維像素矩陣，然后利用區域分類器根據設定參數
8進行劃分的。
所述人臉活動境界內區Ri和人臉活動境界外區Ro的中心，由前幾幀圖像 檢測到的人臉中心自適應動態統計確定。
所述人臉活動境界外區Ro的左右下警戒區相對小于上警戒區。
所述步驟(9) -b-①還包括在檢測前對人眼部特征學習過程，利用組合分 離器這對不同人設定人眼特征閾值。
一種采用機車司機行車狀態監控方法的報警裝置，其特征在于包括
攝像頭，用于獲取外部圖像信息，尤其人臉圖像信息；
存儲單元，用于存儲上述監控方法中的各設定閾值；
信息報警單元，用于向司機監控總臺發送報警信息；
聲音報警單元，用于發出報警聲音提醒司機；
處理單元，由DSP和ARM兩部分構成
DSP，用于對上述監控方法中的各圖像信息進行運算處理，利用實時特征檢 測技術對人臉部特征進行檢測，同時對所檢測到的人臉部信息進行人臉中心的 檢測；
ARM，用于對上述監控方法中的各邏輯判斷進行運算處理，還用于接收機 車發布的行車信號，以控制裝置的開啟，同時控制信息報警單元向司機監控總 臺發送報警信息，以及控制聲音報警單元發出報警聲音信號；
所述攝像頭通過數據線連接到處理單元上將圖像信息傳給處理單元的ARM 中，所述ARM通過內部總線同DSP相連接并將圖像信息交于DSP進行處理，
所述存儲單元通過數據總線同存儲單元相連接并將相應閾值信息發送到處理單 元的ARM中進行處理；所述ARM通過內部總線接收DSP處理的結果，當需 報警時通過與處理單元相連接的信息報警單元向司機監控總臺發送報警信息， 或通過同處理單元相連接的聲音報警單元報警聲音。
所述攝像頭為紅外攝像頭。所述信息報警單元向司機監控總臺發送報警信 息包括文字信息、圖片信息或視頻信息。
由于采用了上述技術方案，本發明提供的報警系統采用紅外技術，可自動 調整光線，準確識別人臉，同時在算法中考慮到了強光，逆光對抓取的特征值 的影響，通過提取關鍵參數，略掉邊緣特征的方法處理，避免了自然強光，逆
9光的影響；另外，該報警系統也克服其它同類產品針對人為差異的影響，如高 矮胖痩等；此外，人臉與攝像頭夾角成30度以內時，仍然可以識別。由于其結 構簡單、便于生產，而且成本低廉適于廣泛推廣。


圖1為本發明所述報警系統的裝置結構示意圖； 圖2為本發明所述報警系統中人臉檢測的方法的流程圖； 圖3為本發明實施例中進入人臉檢測判斷處理時人臉中心在RO之外的處理 流程圖4為本發明實施例中進入人臉檢測判斷處理時人臉中心在RO之內Ri之 外的處理流程圖5為本發明實施例中進入人臉檢測判斷處理時人臉中心在Ri之內的處理 流程圖；
具體實施例方式
如圖1所示，機車司機行車狀態監控報警裝置，包括攝像頭，用于獲取 外部圖像信息，尤其人臉圖像信息；存儲單元，用于存儲下述監控方法中的各 設定閾值；信息報警單元，用于向司機監控總臺發送報警信息(該報警信息包 括文字信息、圖片信息或視頻信息)；聲音報警單元，用于發出報警聲音提醒司 機；處理單元，由DSP和ARM兩部分構成DSP，用于對本發明下述的各圖 像信息進行運算處理，利用實時特征檢測技術對人臉部特征進行檢測，同時對 所檢測到的人臉部信息進行人臉中心的檢測；ARM，用于對上述監控方法中的 各邏輯判斷進行運算處理，還用于接收機車發布的行車信號，以控制裝置的開 啟，同時控制信息報警單元向司機監控總臺發送報警信息，以及控制聲音報警 單元發出報警聲音信號；
其中攝像頭可為常規攝像頭，在算法中考慮到了強光，逆光對抓取的特征 值的影響，通過提取關鍵參數，略掉邊緣特征的方法處理，可有效地避免自然 強光，逆光的影響；通過數據線將圖像信息傳給處理單元的ARM中，經過ARM 的處理分配后交于DSP進行圖像信息的運算處理，ARM通過內部總線同DSP 相連接；存儲單元通過數據總線同存儲單元相連接并將相應閾值信息發送到處 理單元的ARM中進行處理；ARM通過內部總線接收DSP處理的結果同存儲單元中存儲的閾值進行比較，此處作為邏輯判斷的依據，并最終將處理結果以信 息報警和聲音報警的形式發出(當需報警時通過與處理單元相連接的信息報警 單元向司機監控總臺發送報警信息，或通過同處理單元相連接的聲音報警單元 報警聲音)。
其基本原理是根據處理器進行人臉識別技術，在一定允許的范圍內， 駕駛員疲勞累積時間或者坐姿不端超過設定的累積時間時，有相應的語音 提示，提醒司機規范駕駛行為，如果語音提示超過規定的次數，駕駛員仍 未規范坐姿的，將抓拍駕駛員當前狀態，并以彩信息的形式發送到地面工 作站，由地面工作人員提醒，規范其駕駛行為。
如圖2、圖3、圖4及圖5所示流程圖對機車司機行車狀態監控方法進行詳 細描述。
如圖2所示其監測方法包括人臉活動區域檢測方法和人臉檢測/跟蹤方法； A、所述人臉活動區域檢測方法包括如下步驟
(1) 通過攝像頭獲取外部圖像信息；
(2) 通過實時特征檢測技術對人臉進行檢測；
(3) 對上步驟中所檢測到的人臉部信息進行人臉中心的檢測(實時特征檢 測技術，實現一個快速人臉檢測的系統；通過訓練，盡可能優化分類器參數， 從而獲得高檢測速率和正確率的人臉檢測系統；人臉檢測就是在圖像中獲取人 臉位置和大小的全部特征，提取到模板中，組成二維像素矩陣，開啟自動示例 識別算法功能，獲取整個人臉的頻域描述特征量來作為分類決策器的輸入；取 得最終結果，以此確定人的臉部；根據眼部區域亮度低于臉部和雙眼亮度低于 眉心，以此來確定人的面部中心，在加上眼睛的一些具體特征如線裝特征，眨 眼頻率對亮度的影響等，判斷眼睛的位置和狀態)；
(4) 當上述步驟中檢測到的人臉的中心在獲取連續幾幀圖像中的處于穩定 狀態，并且這個連續穩定狀態的圖像幀數大于設定閾值后，進行下一步驟，否 則返回歩驟(2);
(5) 以上述歩驟獲取的人臉中心為參考，確定人臉活動境界內區Ri和人 臉活動境界外區Ro;人臉活動境界內區Ri和人臉活動境界外區Ro，是通過將 檢測到的人臉中心圖像形成二維像素矩陣，然后利用區域分類器根據設定參數進行劃分的人臉活動境界內區Ri和人臉活動境界外區Ro的中心，由前幾幀圖 像檢測到的人臉中心自適應動態統計確定。Ri與Ro的中心由前幾幀圖像檢測到 的人臉中心自適應動態統計確定(求平均值)，為防止頻繁點頭型瞌睡和側面倒 型瞌睡，Ro的左右下警戒區應設小點人臉活動境界外區Ro的左右下警戒區相對 小于上警戒區。
B、即人臉活動區域檢測方法之后，利用人臉檢測/跟蹤方法對司機行車狀 態進行監測(所述跟蹤算法和檢測算法是利用Adaboost算法進行示例學習，頻 域特征提取，在JPEG圖象的DCT系數中提取出額頭、眼睛、嘴、鼻子和下巴面 部特征，用小波變換的方法濾掉高額信息，采用低頻圖象的頻譜來表達圖象， 使用人臉圖象的Harr小波系數作為特征矢量，通過SVM機制實現人的臉部檢測 和跟蹤，同時不必考慮寬度為一個像素的矩形特征，同時減少邊緣的矩形特征， 采用直方圖歸一化處理樣本
在已經檢測到人臉，抓取特征值情況下，檢測是抓取的特征值在一定范圍 內小幅度移動即為檢測算法；
跟蹤是抓取的特征值在一定范圍內較大幅度移動，在一個平面動態的時時 對比，跟蹤特征值即為跟蹤算法。)，在此過程中利用跟蹤算法和檢測算法配合 監測，具體包括如下步驟
(6) 首先判定該檢測是否為確定人臉中心之后的第一次檢測；
(7) 在確定是確定人臉中心之后的第一次檢測，則對存儲前幀圖像檢測隊
列和跟蹤區域中心的隊列進行清空(如果是第一次檢測，則以前存儲的內容沒
有可比性；如果不是第一次，證明存儲的內容沒有被清空，以前的狀態是有效 的；通常在發送彩信報警后，將存儲記錄清空；)，同時記錄入隊時刻；
(8) 在確定不是確定人臉中心之后的第一次檢測，則判定當前幀圖像檢測
的方法是跟蹤算法獲取？還是檢測算法獲取？(跟蹤算法處理，證明人臉移動
范圍超過了幅度限制，表明人臉在移動，此時司機沒有在睡覺；檢測算法證明
人臉的移動幅度已經在一定范圍內，有可能盹睡，需要進一步處理)如是跟蹤
算法獲取，不對當前幀圖像做進一歩處理；如是檢測算法獲取，將其存儲到緩 存中待下一步處理；
(9) 對步驟(7)或步驟(8)中需進一步判斷的當前N幀圖像進行人臉區域中心的再次檢測(先找人的面部位置，即人臉中心的査找，原理已闡明過；
在找人的眼睛，這樣速度會提高很多，)；然后根據人臉中心的在人臉活動頻繁
境界內區Ri和人臉活動略少境界外區Ro中的具體位置進行處理，此過程是依
據實際需求，即機車駕駛員實際工作環境制定，依據駕駛員的面部在圖象中所
占的比例劃分，超出R0后，司機此時即使沒有處于疲勞狀態，也沒有按照行車
規定瞭望，注視前方，所以劃分此區域；Ri是駕駛員面部經常出現的區域；R0
和Ri之間的區域是駕駛員做出改變坐姿，操作機車，査看儀表等動作時，人臉
經常出現的區域；按照各個區域劃分后，整個過程便于檢測和捕捉，精確度大
大提高；具體的分割數值沒有具體的需求，根據各個機車的環境，參數可調整。 具體處理過程如下
如圖3所示當人臉中心在人臉活動境界外區Ro之外進行如下步驟-
① 首先記錄當前時刻；
② 計算具連續幀圖像檢測人臉中心都在人臉活動境界外區Ro之外中的首次 幀圖像的時刻；
③ 判斷上述時刻是否大于設定閾值；
④ 當不大于設定閾值則返回步驟(6)中；
⑤ 當上述時刻大于設定閾值，進行語音報警提示司機回到原位置，并記錄 此次報警；
⑥ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機 監控總臺，同時清空隊列返回步驟(1);
如圖4所示當人臉中心在人臉活動境界內區Ri和人臉活動境界外區Ro之 間進行如下步驟
① 首先根據人眼特征識別算法，檢測人眼的特征；其中在檢測前對人眼部 特征學習過程，好利用組合分離器這對不同人設定人眼特征閾值(因為每個人 的眼部特征值都是不一樣的)。
② 利用組合分離器統計上述各人眼特征，統計出一個統計值；
③ 將上述統計值和設定閾值進行比較；
④ 當上述統計值大于閾值則返回步驟(6)中；
⑤ 當上述統計值小于閾值則進行人眼長度的檢測；⑥ 當步驟⑤中檢測到的人眼長度大于設定閾值返回步驟(6)中；
⑦ 當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此
次報警；
⑧ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機
監控總臺，后清空隊列返回步驟(6);
如圖5所示當人臉中心在人臉活動境界內區Ri內進行如下步驟-
① 首先根據人眼特征識別算法進行人眼長度的檢測；
② 當上述步驟中檢測到的人眼長度大于設定閾值返回步驟(6)中；
③ 當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此
次報警；
④ 統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機 監控總臺，后清空隊列返回步驟(6)。
以上所述，僅為本發明較佳的具體實施方式
，但本發明的保護范圍并不局 限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，根據本 發明的技術方案及其發明構思加以等同替換或改變，都應涵蓋在本發明的保護 范圍之內。
1權利要求
1、一種機車司機行車狀態監控方法，其特征在于包括人臉活動區域檢測方法和人臉檢測/跟蹤方法；所述人臉活動區域檢測方法包括如下步驟(1)通過攝像頭獲取外部圖像信息；(2)通過實時特征檢測技術對人臉進行檢測；(3)對上步驟中所檢測到的人臉部信息進行人臉中心的檢測；(4)當上述步驟中檢測到的人臉的中心在獲取連續幾幀圖像中的處于穩定狀態，并且這個連續穩定狀態的圖像幀數大于設定閾值后，進行下一步驟，否則返回步驟(2)；(5)以上述步驟獲取的人臉中心為參考，確定人臉活動境界內區Ri和人臉活動境界外區Ro；既人臉活動區域檢測方法之后，利用人臉檢測/跟蹤方法對司機行車狀態進行監測，在此過程中利用跟蹤算法和檢測算法配合監測，具體包括如下步驟(6)首先判定該檢測是否為確定人臉中心之后的第一次檢測；(7)在確定是確定人臉中心之后的第一次檢測，則對存儲前幀圖像檢測隊列和跟蹤區域中心的隊列進行清空，同時記錄入隊時刻；(8)在確定不是確定人臉中心之后的第一次檢測，則判定當前幀圖像檢測的方法是跟蹤算法獲取？還是檢測算法獲取？如是跟蹤算法獲取，不對當前幀圖像做進一步處理；如是檢測算法獲取，將其存儲到緩存中待下一步處理；(9)對步驟(7)或步驟(8)中需進一步判斷的當前N幀圖像進行人臉區域中心的再次檢測；然后根據人臉中心的在人臉活動頻繁境界內區Ri和人臉活動略少境界外區Ro中的具體位置進行如下處理a、當人臉中心在人臉活動境界外區Ro之外進行如下步驟①首先記錄當前時刻；②計算具連續幀圖像檢測人臉中心都在人臉活動境界外區Ro之外中的首次幀圖像的時刻；③判斷上述時刻是否大于設定閾值；④當不大于設定閾值則返回步驟(6)中；⑤當上述時刻大于設定閾值，進行語音報警提示司機回到原位置，并記錄此次報警；⑥統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機監控總臺，同時清空隊列返回步驟(1)；b、當人臉中心在人臉活動境界內區Ri和人臉活動境界外區Ro之間進行如下步驟①首先根據人眼特征識別算法，檢測人眼的特征；②利用組合分離器統計上述各人眼特征，統計出一個統計值；③將上述統計值和設定閾值進行比較；④當上述統計值大于閾值則返回步驟(6)中；⑤當上述統計值小于閾值則進行人眼長度的檢測；⑥當步驟⑤中檢測到的人眼長度大于設定閾值返回步驟(6)中；⑦當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此次報警；⑧統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機監控總臺，后清空隊列返回步驟(6)；c、當人臉中心在人臉活動境界內區Ri內進行如下步驟①首先根據人眼特征識別算法進行人眼長度的檢測；②當上述步驟中檢測到的人眼長度大于設定閾值返回步驟(6)中；③當人眼長度小于設定閾值，進行語音報警提示司機注意瞭望，并記錄此次報警；④統計連續報警的次數，當連續報警的次數大于設定閾值則發信息給司機監控總臺，后清空隊列返回步驟(6)。
2、根據權利要求1所述的一種機車司機行車狀態監控方法，其特征在于所 述跟蹤算法和檢測算法是利用Adaboost算法進行示例學習，頻域特征提取，在 JPEG圖象的DCT系數中提取出額頭、眼睛、嘴、鼻子和下巴面部特征，用小波 變換的方法濾掉高額信息，采用低頻圖象的頻譜來表達圖象，使用人臉圖象的 Harr小波系數作為特征矢量，通過SVM機制實現人的臉部檢測和跟蹤，同時不必考慮寬度為一個像素的矩形特征，同時減少邊緣的矩形特征，采用直方圖歸 一化處理樣本在已經檢測到人臉，抓取特征值情況下，檢測是抓取的特征值在一定范圍內小幅度移動即為檢測算法；跟蹤是抓取的特征值在一定范圍內較大幅度移動，在一個平面動態的時時 對比，跟蹤特征值即為跟蹤算法。
3、 根據權利要求1所述的一種機車司機行車狀態監控方法，其特征在于上 述步驟⑤中所述人臉活動境界內區Ri和人臉活動境界外區Ro，是通過將檢測到 的人臉中心圖像形成二維像素矩陣，然后利用區域分類器根據設定參數進行劃 分的。
4、 根據權利要求1或3所述的一種機車司機行車狀態監控方法，其特征在 于所述人臉活動境界內區Ri和人臉活動境界外區Ro的中心，由前幾幀圖像檢 測到的人臉中心自適應動態統計確定。
5、 根據權利要求1或3所述的一種機車司機行車狀態監控方法，其特征在 于所述人臉活動境界外區Ro的左右下警戒區相對小于上警戒區。
6、 根據權利要求1所述的一種機車司機行車狀態監控方法，其特征在于所 述步驟(9) -b-①還包括在檢測前對人眼部特征學習過程，利用組合分離器這 對不同人設定人眼特征閾值。
7、 一種采用權利要求l所述機車司機行車狀態監控方法的報警裝置，其特 征在于包括攝像頭，用于獲取外部圖像信息，尤其人臉圖像信息； 存儲單元，用于存儲上述監控方法中的各設定閾值； 信息報警單元，用于向司機監控總臺發送報警信息； 聲音報警單元，用于發出報警聲音提醒司機； 處理單元，由DSP和ARM兩部分構成DSP，用于對上述監控方法中的各圖像信息進行運算處理，利用實時特征檢 測技術對人臉部特征進行檢測，同時對所檢測到的人臉部信息進行人臉中心的 檢測；ARM，用于對上述監控方法中的各邏輯判斷進行運算處理，還用于接收機 車發布的行車信號，以控制裝置的開啟，同時控制信息報警單元向司機監控總 臺發送報警信息，以及控制聲音報警單元發出報警聲音信號；所述攝像頭通過數據線連接到處理單元上將圖像信息傳給處理單元的ARM中，所述ARM通過內部總線同DSP相連接并將圖像信息交于DSP進行處理，所述存儲單元通過數據總線同存儲單元相連接并將相應閾值信息發送到處理單 元的ARM中進行處理；所述ARM通過內部總線接收DSP處理的結果，當需報警時通過與處理單元相連接的信息報警單元向司機監控總臺發送報警信息， 或通過同處理單元相連接的聲音報警單元報警聲音。
8、 根據權利要求7所述的報警裝置，其特征在于所述攝像頭為紅外攝像頭。
9、 根據權利要求7所述的報警裝置，其特征在于所述信息報警單元向司機 監控總臺發送報警信息包括文字信息、圖片信息或視頻信息。
全文摘要
本發明公開了一種機車司機行車狀態監控智能報警系統，其特征在于利用數碼技術獲取圖像信息，后通過處理器進行實時特征檢測技術對人臉檢測，以此確定人臉活動區域檢測方法，并連同與之配合的利用人臉檢測、跟蹤、識別計算等方法對司機行車狀態進行監測，識別出不規范行為(如瞌睡、疲勞、間斷瞭望、離開座位等)時，本地發出警示提醒信息，并向遠程地面系統或接收終端發出報警信息。該報警系統采用紅外技術，可自動調整光線，準確識別人臉，避免了自然強光，逆光的影響；另外，該報警系統也克服其它同類產品針對人為差異的影響，如高矮胖瘦等；人臉與攝像頭夾角成30度以內時，仍然可以識別。其結構簡單、便于生產，而且成本低廉適于廣泛推廣。
文檔編號G06K9/00GK101655907SQ20091001356
公開日2010年2月24日 申請日期2009年8月28日 優先權日2009年8月28日
發明者徐起力, 李正倩 申請人:大連鑫奇輝科技有限公司