汽車(chē)駕駛員疲勞駕駛預(yù)警裝置設(shè)計(jì)及實(shí)驗(yàn)研究.pdf

1、根據(jù)德國(guó)一家汽車(chē)市場(chǎng)預(yù)測(cè)機(jī)構(gòu)的統(tǒng)計(jì)，2010年全球汽車(chē)保有量已經(jīng)突破10億輛，而且未來(lái)7年還要增長(zhǎng)20％。隨著車(chē)輛的與日俱增，交通安全越來(lái)越受到人們的重視。據(jù)世界衛(wèi)生組織公布的數(shù)據(jù)顯示，世界每年因交通事故死亡的人數(shù)超過(guò)120萬(wàn)。疲勞駕駛是造成交通事故的三大因素之一，每年因疲勞駕駛造成的事故約占事故總數(shù)25%~30%。為了減少因疲勞駕駛造成的人員傷亡和財(cái)產(chǎn)損失，現(xiàn)在很多國(guó)家已經(jīng)開(kāi)始了對(duì)駕駛員疲勞駕駛的研究。
　　本課題的主要目標(biāo)是開(kāi)

2、發(fā)一套具有實(shí)用價(jià)值的汽車(chē)駕駛員疲勞駕駛預(yù)警裝置。通過(guò)對(duì)國(guó)內(nèi)外各種疲勞駕駛檢測(cè)方法的比較，同時(shí)結(jié)合汽車(chē)駕駛員駕駛時(shí)的特點(diǎn)和規(guī)律，選用利用模式識(shí)別和圖像處理技術(shù)來(lái)分析駕駛員眼睛狀態(tài)的疲勞檢測(cè)和識(shí)別算法，并將該算法移植到以Digital Signal Processing（簡(jiǎn)稱(chēng)DSP）芯片為核心的硬件平臺(tái)上。開(kāi)發(fā)的裝置要求能夠滿足車(chē)載疲勞駕駛預(yù)警系統(tǒng)對(duì)實(shí)時(shí)、非接觸的基本要求。
　　本文選用目前比較熱門(mén)的MB-LBP（Multi-bloc

3、k Local Binary Pattern）特征描述人臉和人眼，該特征具有噪聲敏感度小的優(yōu)點(diǎn)。選用Adaboost算法家族中性能最為優(yōu)異的Gentle adaboost算法來(lái)訓(xùn)練人臉檢測(cè)和人眼定位分類(lèi)器。通過(guò)訓(xùn)練挑選出檢測(cè)率高的弱分類(lèi)器，再將選出的弱分類(lèi)器按照權(quán)重組成強(qiáng)分類(lèi)器，進(jìn)而形成級(jí)聯(lián)分類(lèi)器。最終經(jīng)過(guò)反復(fù)實(shí)驗(yàn)、調(diào)整參數(shù)，在PC機(jī)上運(yùn)行獲得較高的人眼檢測(cè)率。
　　使用TI公司為DSP程序移植專(zhuān)門(mén)開(kāi)發(fā)的軟件CCS3.1將開(kāi)發(fā)的人

4、臉檢測(cè)和人眼定位算法移植到以DSP為核心的DM642開(kāi)發(fā)板中。在移植過(guò)程中運(yùn)用多種優(yōu)化手段來(lái)簡(jiǎn)化程序，使得檢測(cè)的速度達(dá)到實(shí)時(shí)檢測(cè)的要求。
　　完成算法的開(kāi)發(fā)和程序移植后，分別建立以PC機(jī)和DSP為基礎(chǔ)的實(shí)驗(yàn)平臺(tái)，對(duì)算法的正確性和實(shí)時(shí)性進(jìn)行分析。通過(guò)實(shí)驗(yàn)，使得本文所研究的算法能夠基本上達(dá)到預(yù)期目的。
　　檢測(cè)算法在PC機(jī)仿真與硬件平臺(tái)仿真中都實(shí)現(xiàn)了較好的檢測(cè)效果，在DM642開(kāi)發(fā)板的基礎(chǔ)上，設(shè)計(jì)整個(gè)裝置的電路及PCB板，研發(fā)出