本發明屬于面部識別，具體涉及一種基于面部特征識別安全駕駛預警系統及方法。
背景技術：
1、基于面部特征識別的安全駕駛預警系統及方法是一種利用計算機視覺和人工智能技術，通過實時監測駕駛員的面部特征(如眼睛、嘴巴、頭部姿態等)來判斷其駕駛狀態，并在檢測到疲勞、分心或其他危險行為時發出警報的系統，這種系統旨在提高駕駛安全性，減少因人為因素導致的交通事故。
2、現有技術存在的問題：
3、在現有關于面部識別過程中，特別是處于駕駛狀態下，復雜環境下面部特征識別精度不足，如光照變化、遮擋等，而對于多數人體面部靜態模型無法適應動態駕駛場景，如肌肉形變、環境交互等，從而在駕駛過程中，對于駕駛員的狀態識別不夠準確，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的駕駛員影響。
技術實現思路
1、本發明的目的是提供一種基于面部特征識別安全駕駛預警系統及方法，能夠通過三維動態模型提升識別魯棒性，混合光照補償算法降低環境干擾，并通過多模態融化實現精準風險評估，減少因誤報造成的駕駛員的干擾。
2、本發明采取的技術方案具體如下：
3、一種基于面部特征識別安全駕駛預警方法，包括如下步驟：
4、獲取并建立駕駛員三維模型、車輛模型、外部環境模型，并根據獲取的模型在模擬系統中運行生成關聯模型數據庫；
5、根據關聯模型數據庫中三種模型組合運行監測數據，獲取不同狀態下對駕駛員三維模型的影響參數，并生成動態數據集；
6、基于駕駛員三維模型構建靜態構線與動態構線，并關聯光照補償；
7、將靜態構線附著于駕駛員三維模型上，關聯光照補償，并在模擬系統中的監測參數變化，生成模型數據并錄入關聯模型數據庫，生成對應動態數據集的對照組；
8、將動態構線附著于駕駛員三維模型上，關聯光照補償，并在模擬系統中的監測參數對比對照組，生成動態數據，錄入動態數據集；
9、實時獲取的駕駛員特征數據，分別對比模型數據與動態數據；
10、判斷是否與模型數據或動態數據重合；
11、根據模型數據與動態數據對比獲取偏差，根據偏差判定風險等級，驗證駕駛員狀態；
12、根據獲取的駕駛員狀態判定風險等級，實現對應等級預警系統的觸發。
13、駕駛員三維模型、車輛模型、外部環境模型分別包括靜態模型與動態模型，靜態模型為建立的參考模型，根據獲取的模型數據建立動態模型，動態模型包括駕駛員三維模型、車輛模型、外部環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、關聯模型數據庫為靜態模型與動態模型的集合，以及對應駕駛員三維模型、車輛模型、外部環境模型任一模型關聯數據的集合。
15、動態數據集至少包括駕駛員三維模型關聯數據的集合，關聯數據包括但不限于駕駛員三維模型靜態與動態位置信息、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構線包括但不限于基于面部的眼眶、嘴唇、下巴、側臉的基準輪廓線；
17、動態構線包括但不限于基于面部的嘴唇張合、眼眶收縮、皺紋生成、側臉收縮的動態輪廓線。
18、駕駛員特征數據根據時間變化，集成多模態面部特征，判斷駕駛員靜態輪廓與動態輪廓之間的變化趨向，根據變化趨向在變化過程中與模型數據及動態數據之間的關系是否超過閾值，根據超過閾值的偏差大小，以判斷駕駛員狀態，以及風險等級。
19、一種基于面部特征識別安全駕駛預警系統，包括：
20、圖像采集與預處理模塊，通過車載圖像獲取設備獲取駕駛員面部及面部周圍圖像，以及至少設置一個紅外攝像頭與混合光照補償模塊；
21、三維動態建模模塊，三維動態建模模塊生成駕駛員面部肌肉動力學模型，提取靜態構線與動態構線特征；
22、多模態特征融合模塊，集成面部表情、生理參數及環境傳感器數據，度量動態構線與基準模型的偏差；
23、風險評估與預警模塊，基于動態數據集的增量式學習模型評估風險等級，并根據分級閾值觸發語音、振動或緊急制動響應。
24、動態數據集存儲并運行動態數據系統，用于存儲個性化駕駛特征的動態數據，以及駕駛員三維模型、車輛模型及外部環境模型任意組合的數據參數。
25、圖像采集與預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算法結合can總線數據實現混合光照補償。
26、使用hausdorff距離度量動態構線與基準模型的偏差。
27、根據本發明實施例的又一方面，還提供了一種計算機可讀存儲介質，存儲介質存儲有計算機程序，計算機程序被處理器執行時實現前述中任一項的方法。
28、根據本發明實施例的又一方面，還提供了一種計算機程序產品，包括計算機程序，計算機程序被處理器執行時實現前述中任一項的方法。
29、本發明取得的技術效果為：
30、本發明，通過動態調節參數，消除因車內外光照變化導致的面部識別誤差，提升靜態/動態輪廓線提取精度，結合can總線數據，實現光照參數的實時優化，確保復雜駕駛場景下的魯棒性。
31、本發明，基于駕駛員三維模型構建靜態構線與動態構線，并分別附著于駕駛員三維模型，分別生成模型數據與動態數據，通過兩者生成的對照組，實現對不同駕駛員駕駛狀態的個性化模擬與對比，并將對應的數據上傳至對應的關聯模型數據庫與動態數據集中，構建針對同一個駕駛員的特征數據，并通過判斷是否與模型數據或動態數據重合，根據模型數據與動態數據對比獲取偏差，根據偏差判定風險等級，驗證駕駛員狀態，從而制定如車輛預警、遠程預警、遠程接管、自動駕駛接管、報警、急救預警等。
1.一種基于面部特征識別安全駕駛預警方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的一種基于面部特征識別安全駕駛預警方法，其特征在于：所述駕駛員三維模型、車輛模型、外部環境模型分別包括靜態模型與動態模型，所述靜態模型為建立的參考模型，根據獲取的模型數據建立動態模型，所述動態模型包括駕駛員三維模型、車輛模型、外部環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.根據權利要求1所述的一種基于面部特征識別安全駕駛預警方法，其特征在于：所述動態數據集至少包括駕駛員三維模型關聯數據的集合，所述關聯數據包括但不限于駕駛員三維模型靜態與動態位置信息、多個模型間相對坐標位置信息、光照信息；
4.根據權利要求1所述的一種基于面部特征識別安全駕駛預警方法，其特征在于：所述駕駛員特征數據根據時間變化，集成多模態面部特征，判斷駕駛員靜態輪廓與動態輪廓之間的變化趨向，根據變化趨向在變化過程中與模型數據及動態數據之間的關系是否超過閾值，根據超過閾值的偏差大小，以判斷駕駛員狀態，以及風險等級。
5.一種基于面部特征識別安全駕駛預警系統，運行權利要求1至4中任一所述的方法，其特征在于，包括：
6.根據權利要求5所述的一種基于面部特征識別安全駕駛預警系統，其特征在于：所述動態數據集存儲并運行動態數據系統，用于存儲個性化駕駛特征的動態數據，以及駕駛員三維模型、車輛模型及外部環境模型任意組合的數據參數。
7.根據權利要求5所述的一種基于面部特征識別安全駕駛預警系統，其特征在于：所述圖像采集與預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算法結合can總線數據實現混合光照補償。
8.根據權利要求5所述的一種基于面部特征識別安全駕駛預警系統，其特征在于：使用hausdorff距離度量動態構線與基準模型的偏差。
9.一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至4中任一項所述的方法。
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1至4中任一項所述的方法。