疲勞駕駛狀態(tài)中多視角面部區(qū)域特征信息檢測(cè)與分析.pdf

1、隨著汽車產(chǎn)業(yè)和公路交通事業(yè)的發(fā)展，越來(lái)越多的人開(kāi)始駕駛汽車。汽車數(shù)量的增多，使得交通事故不斷發(fā)生，其中很多情況是由于司機(jī)的疲勞所引起的。因而通過(guò)視覺(jué)檢測(cè)的方式對(duì)司機(jī)的疲勞狀況進(jìn)行檢測(cè)已成為該領(lǐng)域的重要研究?jī)?nèi)容。不同于接觸式的醫(yī)療檢測(cè)方法，如通過(guò)觀察生理參數(shù)，利用心電圖儀、腦電圖儀等醫(yī)療器械檢測(cè)，雖然這樣測(cè)量準(zhǔn)確率很高，但這種方法過(guò)程復(fù)雜，測(cè)量起來(lái)耗時(shí)耗力，而且不方便操作。圖像處理技術(shù)的提高使得司機(jī)的人臉圖像特征比如眼睛、嘴巴等的提取更加

2、實(shí)時(shí)性，通過(guò)用人臉識(shí)別技術(shù)對(duì)提取的相關(guān)特征進(jìn)行分析判斷駕駛員是不是疲勞狀態(tài)。利用圖像處理的對(duì)人臉的視覺(jué)處理是計(jì)算機(jī)視覺(jué)要處理的重要內(nèi)容之一，所以人臉的實(shí)時(shí)檢測(cè)與準(zhǔn)確分析是能否準(zhǔn)確判斷疲勞駕駛的前提和條件。
　　本文是針對(duì)司機(jī)的疲勞駕駛的視覺(jué)檢測(cè)進(jìn)行研究，主要完成了人臉區(qū)域的檢測(cè)和人臉旋轉(zhuǎn)角度的提取。
　　文中首先闡述了圖像的預(yù)處理方法，將圖像處理分為圖像增強(qiáng)部分、圖像分割部分和圖像的特征提取部分并作出總結(jié)。根據(jù)圖像采集過(guò)程中

3、出現(xiàn)的光照條件不理想的情況，對(duì)采集的待處理圖像進(jìn)行了光線補(bǔ)償。
　　其次是對(duì)基于Adaboost算法的人臉檢測(cè)算法的原理闡述，分析了Adaboost算法的組成及其流程，其中重點(diǎn)包括 Haar特征的選取以及不同特征值的計(jì)算方式，還有強(qiáng)分類器的形成和級(jí)聯(lián)分類器的組成等。再結(jié)合實(shí)際的采集圖像，根據(jù)Adaboost算法進(jìn)行圖像的人臉檢測(cè)。
　　再次根據(jù)不同的彩色空間，如RGB彩色空間，HSV彩色空間和YCbCr彩色空間等進(jìn)行人臉膚色

4、建模，由于膚色再 YCbCr等彩色空間中具有聚類性，能夠根據(jù)其中Cb和Cr分量的分布情況提取出人臉區(qū)域。同時(shí)，闡述了人眼睛和嘴巴的提取的方法和原理。并對(duì)基于膚色的方法進(jìn)行了人臉的提取和人眼和嘴巴的提取。
　　最后，分析基于Adaboost算法和基于膚色模型算法的人臉提取方法的不足和各自的優(yōu)點(diǎn)，通過(guò)融合的方式將兩者結(jié)合，提高了復(fù)雜狀況下人臉檢測(cè)的準(zhǔn)確率。根據(jù)提取到的人臉區(qū)域，通過(guò)判斷人眼和嘴巴等器官的幾何分布信息，提取的得到人臉大致