基于人臉圖像分析的疲勞駕駛檢測(cè)方法研究.pdf

1、隨著交通運(yùn)輸業(yè)不斷進(jìn)步，人類(lèi)社會(huì)面臨越來(lái)越嚴(yán)峻的交通安全問(wèn)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(kāi)發(fā)一套可以實(shí)時(shí)有效地對(duì)駕駛員進(jìn)行疲勞檢測(cè)并在檢測(cè)到疲勞發(fā)生時(shí)報(bào)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(jià)值。
　　本文在分析現(xiàn)有的疲勞檢測(cè)方法的基礎(chǔ)上，從機(jī)器視覺(jué)的角度，對(duì)基于人臉圖像分析的疲勞駕駛檢測(cè)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?jī)?nèi)容包括：
　　1.采用Ada Boost算法進(jìn)行人臉檢測(cè)。完成人臉檢測(cè)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(guān)模型的人眼閉眼檢測(cè)研究。對(duì)目前最好的幾種基于外觀(guān)的閉眼檢測(cè)方法進(jìn)行全面的對(duì)比，主要包括人眼對(duì)齊、特征提取、分類(lèi)方法三個(gè)關(guān)鍵部分。通過(guò)實(shí)驗(yàn)我們得出了三個(gè)結(jié)論：1）融合多樣信息可以有效提升系統(tǒng)檢測(cè)性能；2）使用計(jì)算高效的像素灰度值差機(jī)制的AdaBoost分類(lèi)器具有很大潛

3、力；3）眼睛對(duì)齊極其重要，它會(huì)影響最終分類(lèi)結(jié)果的精度。
　　3.多尺度及噪聲情況下人眼閉眼檢測(cè)研究?？紤]到噪聲干擾，提出一種基于協(xié)方差矩陣的特征提取計(jì)算方法，并在兩個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，證明該方法對(duì)高斯噪聲具有較好的抗干擾性。另外針對(duì)測(cè)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(gè)數(shù)據(jù)集上的實(shí)驗(yàn)同時(shí)證明該方法對(duì)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(jì)算60s內(nèi)眼睛閉合幀數(shù)占總