基于視頻圖像的駕駛員疲勞檢測.pdf

1、近些年來,交通事故的頻發(fā)給人們的生活帶來了莫大的痛苦和傷害,對交通安全隱患狀態(tài)的治理已成為當(dāng)前政府頭疼的一個(gè)安全監(jiān)管弊端。除了繼續(xù)不斷提高人們的安全意識(shí),養(yǎng)成自覺遵守交通安全秩序的好習(xí)慣之外,還需要依靠科學(xué)技術(shù)的力量,在人們自制力不夠的情況下,用外在的設(shè)備預(yù)警來提醒每個(gè)交通駕駛者平安行車。在諸多引發(fā)交通事故的因素中,駕駛員的疲勞駕駛是一個(gè)最主要的方面,每年因駕駛員疲勞導(dǎo)致的道路交通事故頻頻發(fā)生。交通事故造成的死亡人每年有遞增的趨勢,造成

2、的經(jīng)濟(jì)損失也極其嚴(yán)重,而很多交通事故都與駕駛員的疲勞駕駛有關(guān)。對駕駛員進(jìn)行疲勞駕駛的預(yù)警,有著非常重要的社會(huì)意義,對人民群眾的日常生活的安全性有著重要的指導(dǎo)意義,也是本文選題和研究的目的所在。
　　本文提出了一種通過對駕駛員疲勞進(jìn)行實(shí)時(shí)監(jiān)測從而對潛在的交通事故進(jìn)行預(yù)警的方法。用綜合臉部多特征的方法替代了以往研究中單獨(dú)依靠駕駛員眼睛狀態(tài)或駕駛員的臉部狀態(tài)來進(jìn)行判斷預(yù)測,本文利用信息融合的方法結(jié)合駕駛員的眼睛和嘴部狀態(tài)來進(jìn)行疲勞判斷,

3、當(dāng)駕駛員戴著眼睛駕駛或處于黑暗中行駛時(shí),文中的檢測方法也能起到良好的預(yù)警效果。AdaBoost算法用來檢測圖像中的人臉,并有著很好的魯棒性和準(zhǔn)確率,根據(jù)人臉的結(jié)構(gòu)特征和經(jīng)驗(yàn)知識(shí),在人臉圖像中我們提取包含眼睛和嘴巴的位置塊圖像,對眼睛狀態(tài)和嘴部狀態(tài)進(jìn)行狀態(tài)檢測,制定新的駕駛員運(yùn)動(dòng)狀態(tài)規(guī)則,采取新的疲勞檢測方法PATECP(Percentage And Time that Eyelids Cover the Pupils)和PATMIO(P

4、ercentage And Time that Mouth Is Open)來對駕駛員的狀態(tài)進(jìn)行驗(yàn)證。實(shí)驗(yàn)測試結(jié)果表明,基于眼睛和嘴部多特征的信息融合的方法可以適應(yīng)各種條件下的駕駛員疲勞檢測并具有較高的實(shí)時(shí)準(zhǔn)確率。
　　綜上所述,本文利用駕駛員臉部融合多特征對駕駛員疲勞狀態(tài)的檢測預(yù)警做了初步的研究,并以構(gòu)造實(shí)時(shí)監(jiān)測預(yù)警系統(tǒng)為目標(biāo),對駕駛員的運(yùn)動(dòng)狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測。文章中所講算法已經(jīng)編程實(shí)現(xiàn),并在實(shí)際駕駛的樣本測試過程中表現(xiàn)出較強(qiáng)的穩(wěn)