駕駛員疲勞檢測(cè)算法研究.pdf

1、駕駛員疲勞駕駛是交通事故頻發(fā)的重要原因之一，駕駛員疲勞檢測(cè)技術(shù)可以有效判斷駕駛員是否進(jìn)入疲勞狀態(tài)，當(dāng)判斷駕駛員進(jìn)入疲勞狀態(tài)時(shí)可以進(jìn)行預(yù)警，提示駕駛員保持清醒狀態(tài)，從而有利于提高行車安全，減少交通事故的發(fā)生。本文研究基于視頻的非接觸的、實(shí)時(shí)的駕駛員疲勞檢測(cè)方法，通過檢測(cè)圖像中駕駛員臉部、眼睛并提取眼部的PERCLOS值（單位時(shí)間內(nèi)眼睛閉合時(shí)間所占比例）來判斷駕駛員是否進(jìn)入疲勞狀態(tài)。本文分別從光照補(bǔ)償、駕駛員臉部檢測(cè)、駕駛員眼睛檢測(cè)與跟蹤、

2、是否進(jìn)入疲勞狀態(tài)等方面進(jìn)行研究，主要工作為:
　　(1)針對(duì)圖像采集過程中由于光照角度、遮擋等原因會(huì)造成圖像光照不均，一定程度上會(huì)改變圖像的原始信息而影響駕駛員臉部和眼睛檢測(cè)的問題，研究了基于同態(tài)濾波的光照補(bǔ)償方法，可以有效增強(qiáng)圖像亮度和對(duì)比度，同時(shí)能較好的保持圖像細(xì)節(jié)信息和膚色信息。
　　(2)研究了基于膚色分割與Adaboost分類器相結(jié)合的駕駛員臉部檢測(cè)方法。膚色分割縮小了人臉存在的范圍，提高人臉檢測(cè)速度。使用訓(xùn)練出的

3、Adaboost人臉分類器可以從分割后的膚色區(qū)域精確定位人臉位置，作為駕駛員眼部的檢測(cè)區(qū)域。
　　(3)通常駕駛員眼睛檢測(cè)和跟蹤算法是Adaboost分類器和卡爾曼濾波、粒子濾波相結(jié)合，本文設(shè)計(jì)了基于最小輸出均方誤差和(Minimum Output Sum of Squared Error，MOSSE)濾波算法的人眼檢測(cè)與跟蹤算法。充分利用相鄰兩幀間人眼圖像的相關(guān)性可大大提高檢測(cè)速度，基于第一幀圖像中檢測(cè)到的人眼區(qū)域?qū)崟r(shí)訓(xùn)練濾波器

4、，用于下一幀圖像中人眼檢測(cè)與跟蹤，取得了很好的實(shí)時(shí)檢測(cè)效果。
　　(4)改進(jìn)了基于PERCLOS原理判斷駕駛員是否處于疲勞狀態(tài)的方法。PERCLOS原理僅使用了眼部區(qū)域的長寬比確定疲勞狀態(tài)，本文使用眼部區(qū)域的像素特征，包括眼睛長寬比、黑色像素占總像素的比例、眼睛中心1/2區(qū)域的黑色像素比例，組成判別函數(shù)，確定眼睛的睜開閉合狀態(tài)，從而更準(zhǔn)確地判斷疲勞狀態(tài)。
　　本文基于MATLAB進(jìn)行了算法研究，基于OPEN CV進(jìn)行了實(shí)驗(yàn)驗(yàn)