基于人臉圖像分析的疲勞駕駛檢測方法研究.pdf

1、隨著交通運(yùn)輸業(yè)不斷進(jìn)步，人類社會面臨越來越嚴(yán)峻的交通安全問題。調(diào)查表明，疲勞駕駛是引起交通安全事故的一大殺手。如果能夠開發(fā)一套可以實(shí)時有效地對駕駛員進(jìn)行疲勞檢測并在檢測到疲勞發(fā)生時報警的系統(tǒng)，那么可以大量減少事故的發(fā)生，從而減少人員傷亡和經(jīng)濟(jì)損失，具有十分重要的現(xiàn)實(shí)意義及經(jīng)濟(jì)價值。
　　本文在分析現(xiàn)有的疲勞檢測方法的基礎(chǔ)上，從機(jī)器視覺的角度，對基于人臉圖像分析的疲勞駕駛檢測方法進(jìn)行深入研究，并采用目前認(rèn)為最有效的PERCLOS原理

2、進(jìn)行疲勞狀態(tài)分析，本文的主要研究內(nèi)容包括：
　　1.采用Ada Boost算法進(jìn)行人臉檢測。完成人臉檢測后，使用增強(qiáng)圖結(jié)構(gòu)模型方法進(jìn)行人眼定位。
　　2.基于外觀模型的人眼閉眼檢測研究。對目前最好的幾種基于外觀的閉眼檢測方法進(jìn)行全面的對比，主要包括人眼對齊、特征提取、分類方法三個關(guān)鍵部分。通過實(shí)驗(yàn)我們得出了三個結(jié)論：1）融合多樣信息可以有效提升系統(tǒng)檢測性能；2）使用計算高效的像素灰度值差機(jī)制的AdaBoost分類器具有很大潛

3、力；3）眼睛對齊極其重要，它會影響最終分類結(jié)果的精度。
　　3.多尺度及噪聲情況下人眼閉眼檢測研究。考慮到噪聲干擾，提出一種基于協(xié)方差矩陣的特征提取計算方法，并在兩個數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，證明該方法對高斯噪聲具有較好的抗干擾性。另外針對測試樣本多尺度的情況，提出基于HOG的多尺度特征融合技術(shù)，兩個數(shù)據(jù)集上的實(shí)驗(yàn)同時證明該方法對于性能提升有很大作用。
　　4.基于PERCLOS原理進(jìn)行疲勞狀態(tài)分析。計算60s內(nèi)眼睛閉合幀數(shù)占總