基于人臉特征識別的駕駛員疲勞檢測方法研究.pdf

1、隨著中國交通運(yùn)輸業(yè)的發(fā)展，交通事故越來越頻繁，而駕駛員疲勞駕駛逐漸成為引起交通事故的重要原因。因此，研究駕駛員疲勞駕駛的檢測方法對于保障駕駛員和行人的出行安全、促進(jìn)智能交通系統(tǒng)的建設(shè)具有很重要的意義。
　　本文首先研究了基于Haar-like特征和AdaBoost算法的人臉檢測方法。它從樣本圖像中提取Haar-like特征，然后通過訓(xùn)練選擇出性能最好的Haar-like特征，并設(shè)計(jì)出弱分類器，接著采用“投票委員會”的方式把所有的弱

2、分類器組合成一個強(qiáng)分類器;最后把多個強(qiáng)分類器利用級聯(lián)算法組合成一個性能更好的可用于人臉檢測的多層級聯(lián)分類器。在用AdaBoost算法進(jìn)行人臉檢測后，針對實(shí)驗(yàn)結(jié)果提出方法存在的問題，并通過擴(kuò)展Haar-like特征對人臉檢測方法進(jìn)行優(yōu)化。在人臉檢測后，針對疲勞檢測技術(shù)中駕駛員頭部姿勢變化影響圖像檢測效果的問題，本文提出了一種基于多尺度局部二進(jìn)制模式一直方圖傅立葉特征（MLBP-HF）和支持向量機(jī)(SVM)的駕駛員疲勞檢測方法。該方法分為訓(xùn)