駕駛員疲勞駕駛實(shí)時(shí)檢測(cè)系統(tǒng)設(shè)計(jì)與研究.pdf

1、隨著汽車(chē)持有量的持續(xù)增加和公路級(jí)別的不斷提高，全世界的公路交通事故頻繁發(fā)生，交通安全問(wèn)題日益嚴(yán)重。有關(guān)部門(mén)調(diào)查結(jié)果顯示，駕駛員疲勞駕駛是導(dǎo)致重大交通事故的主要原因之一。因此研究和設(shè)計(jì)一套準(zhǔn)確、高效的駕駛員疲勞駕駛檢測(cè)系統(tǒng)，及時(shí)地對(duì)駕駛員進(jìn)行疲勞駕駛預(yù)警具有重要的意義和實(shí)用價(jià)值。
　　基于面部特征狀態(tài)的疲勞檢測(cè)方法因其具有非接觸性、實(shí)時(shí)性好、準(zhǔn)確性高等優(yōu)點(diǎn)，已經(jīng)成為疲勞檢測(cè)的主流研究方向。本文結(jié)合吉林省教育廳“十二五”資助項(xiàng)目（編號(hào)

2、：2015097）、吉林省發(fā)改委資助項(xiàng)目（編號(hào)：2015Y067），在對(duì)國(guó)內(nèi)外疲勞駕駛檢測(cè)技術(shù)進(jìn)行了廣泛調(diào)研的基礎(chǔ)上，運(yùn)用機(jī)器視覺(jué)、圖像處理、目標(biāo)檢測(cè)及特征提取等技術(shù)對(duì)與疲勞有關(guān)的外在生理特征進(jìn)行檢測(cè)和狀態(tài)分析，并依據(jù)相應(yīng)疲勞判斷準(zhǔn)則，建立了基于駕駛員面部特征的疲勞駕駛檢測(cè)系統(tǒng)。該檢測(cè)系統(tǒng)主要包括四個(gè)模塊：圖像捕捉模塊、圖像預(yù)處理模塊、特征檢測(cè)提取模塊和特征分類(lèi)識(shí)別模塊。本文對(duì)其中特征檢測(cè)提取和特征分類(lèi)識(shí)別模塊做了重點(diǎn)研究，主要包括駕駛

3、員人臉檢測(cè)、人臉跟蹤定位、面部特征檢測(cè)與狀態(tài)識(shí)別以及基于面部特征的疲勞狀態(tài)識(shí)別與分析。
　　本文主要研究?jī)?nèi)容如下：
　　首先，運(yùn)用計(jì)算機(jī)、攝像頭、Visual Studio等軟硬件設(shè)備構(gòu)建檢測(cè)系統(tǒng)平臺(tái)。在對(duì)采集的圖像進(jìn)行預(yù)處理的基礎(chǔ)上，選擇MB-LBP特征作為分類(lèi)特征，運(yùn)用AdaBoost算法和級(jí)聯(lián)的方法訓(xùn)練人臉?lè)诸?lèi)器，根據(jù)得到分類(lèi)器進(jìn)行人臉檢測(cè)和定位，實(shí)現(xiàn)對(duì)駕駛員人臉區(qū)域的實(shí)時(shí)檢測(cè)。針對(duì)Camshift跟蹤算法的不足，提出

4、結(jié)合卡爾曼濾波器預(yù)測(cè)的Camshift跟蹤算法，實(shí)現(xiàn)對(duì)人臉區(qū)域的實(shí)時(shí)跟蹤；
　　其次，使用梯度回歸樹(shù)算法，對(duì)已標(biāo)定人臉特征點(diǎn)位置的樣本圖像進(jìn)行訓(xùn)練，得到人臉模型，使用該模型對(duì)檢測(cè)出的人臉進(jìn)行眼睛和嘴巴特征定位。然后使用橢圓擬合算法，設(shè)置閾值判斷眼睛和嘴巴的狀態(tài)，并依照相應(yīng)疲勞判斷準(zhǔn)則識(shí)別駕駛員的疲勞程度。
　　最后，為驗(yàn)證所提出的疲勞駕駛檢測(cè)算法的準(zhǔn)確性，本文在本田家用轎車(chē)上進(jìn)行了疲勞駕駛檢測(cè)試驗(yàn)，通過(guò)安置在前擋風(fēng)玻璃上的帶