眼睛跟蹤及駕駛員疲勞檢測之研究.pdf

1、本論文主要描述一個(gè)利用多層感知器網(wǎng)絡(luò)(MLP)來判別駕駛員是否疲勞的安全報(bào)警系統(tǒng)(DrowsinessWarningSystem)。駕駛員在長途駕駛或精神不佳的狀態(tài)時(shí)，會(huì)在臉部表現(xiàn)出很多的可視信息，例如，眨眼率減低，眼睛開度減小，頻繁的點(diǎn)頭，打哈欠，眼睛游動(dòng)加快，等等。在這樣的情況下，便產(chǎn)生了潛在的肇事危機(jī)。本文采用了一種無接觸的監(jiān)督方法來檢測駕駛員眼球的視線方向。即：通過安裝在儀表板上的攝像機(jī)，采集圖像序列，利用圖像的小波變換、熵分析

2、等技巧由圖像中抽取出駕駛員的臉部及眼睛位置，在此基礎(chǔ)上統(tǒng)計(jì)眼球的視線方向，再由此判斷疲勞程度，當(dāng)疲勞時(shí)予以報(bào)警。 本系統(tǒng)采用了熵分析結(jié)合粒子過濾器模型的方法對眼球進(jìn)行跟蹤，該方法能實(shí)時(shí)準(zhǔn)確地對眼睛進(jìn)行定位。本文主要的工作是： (1)系統(tǒng)的總體設(shè)計(jì)：該系統(tǒng)分為兩個(gè)階段：ROI的獲取和疲勞檢測。在系統(tǒng)中，人臉的檢測和眼睛的跟蹤是一個(gè)關(guān)鍵步驟。人臉檢測首先在第一幀中全局搜索感興趣目標(biāo)，同時(shí)移除外部照明環(huán)境的干擾。在跟蹤失敗時(shí)，

3、重新開始新一輪的目標(biāo)檢測。眼睛跟蹤則是在前一幀的基礎(chǔ)上，局部搜索感興趣的目標(biāo)，以確定雙目的位置。 (2)人臉檢測方法：采用了一種基于熵分析Adaboost人臉檢測方法。在對訓(xùn)練集進(jìn)行訓(xùn)練之后，獲得判定樹模型。再由輸入特征的似然比來檢測人臉。實(shí)驗(yàn)表明，這種方法能對不同姿勢的人臉進(jìn)行有效的定位且實(shí)時(shí)響應(yīng)速度快。 (3)眼睛跟蹤算法：在檢測的人臉區(qū)域，采用自適應(yīng)超狀態(tài)粒子過濾器算法實(shí)時(shí)地跟蹤眼睛。近年來，粒子過濾器(Parti

4、cleFilter)或者稱為條件密度傳播算法在混亂場合對目標(biāo)進(jìn)行實(shí)時(shí)跟蹤時(shí)，表現(xiàn)出良好的性能。傳統(tǒng)的卡爾曼濾波器，局限于高斯概率分布。而粒子過濾器可以描述多峰的復(fù)雜概率分布。其主要思想是，采用一系列的粒子表示目標(biāo)的狀態(tài)，再按照“適者生存”法則進(jìn)行進(jìn)化，估計(jì)狀態(tài)的后驗(yàn)分布。本文采用算法的特點(diǎn)是，運(yùn)用自回歸的系統(tǒng)模型來預(yù)測雙目的狀態(tài)，采用熵分析確定眼睛類別以確定子代的繁衍。同時(shí)，相關(guān)的技術(shù)被用來處理遮擋情況，以及對眼睛進(jìn)入和離開場景做出判斷