基于ARM平臺的駕駛疲勞檢測系統(tǒng)的研究.pdf

1、眾所周知，疲勞駕駛已經(jīng)成為交通事故發(fā)生的重要原因之一。它所帶來的行車安全隱患也逐漸受到大眾的廣泛關注。因此，預防疲勞駕駛也逐漸成為當前研究的主要熱點之一。
　　目前，駕駛疲勞檢測中多數(shù)是基于人臉表情狀態(tài)的判斷，本文也是基于ASM算法而建立的根據(jù)人眼狀態(tài)來判斷的疲勞檢測系統(tǒng)。本文的重點是:針對ASM算法在表情豐富、姿態(tài)多變以及光照非均勻情況下，對人臉定位不理想的問題，提出了2D十字型Gabor模型;即以特征點為中心建立2D十字型搜索

2、區(qū)域，并在區(qū)域內建立概率密度估計模型，通過概率分布差異度模型來判斷最佳搜索位置;然后將改進的局部特征與Gabor小波特征進行融合，完成2D十字Gabor模型的建立。本方法將原來的搜索區(qū)域由一段線性區(qū)域增加到2D十字型區(qū)域，增加了特征點的灰度信息，過濾掉了光照的影響，從而提高了算法的準確性和魯棒性。
　　為了更進一步提高眼睛定位的準確性，本文提出積分投影與局部ASM算法相結合的方法實現(xiàn)眼睛的兩次定位，根據(jù)方差最小原則來確定兩種結果的

3、權重，最終根據(jù)權重參數(shù)計算出眼睛的位置。
　　在此基礎上，本文設計了一種基于ARM的疲勞駕駛檢測系統(tǒng)，首先，利用改進后的ASM算法對采集的圖像進行人臉和人眼定位;然后，對定位的人臉區(qū)域進行積分投影處理，再次確定人眼位置，并通過權重參數(shù)確定最終人眼位置;最后，采用積分投影的人眼狀態(tài)識別方法，然后在基于PERCLOS疲勞判別方法的基礎上，結合眨眼頻率的判別方法，利用這兩個參數(shù)來判斷駕駛員的疲勞狀態(tài)。
　　硬件平臺采用友善之臂公司