基于計算機視覺的駕駛員疲勞檢測系統(tǒng)的研究.pdf

1、交通事故已逐漸成為當(dāng)今社會的“第一殺手”，據(jù)相關(guān)數(shù)據(jù)表明，疲勞駕駛是造成交通事故的一個主要原因。因此，如何有效地檢測和預(yù)防疲勞駕駛，對降低交通事故的發(fā)生具有重要的現(xiàn)實意義。
　　由于駕駛員疲勞狀態(tài)的判斷會受到多種外界因素的影響，且缺少準(zhǔn)確、統(tǒng)一疲勞參數(shù)標(biāo)準(zhǔn)，因此到目前為止市場上還沒有出現(xiàn)一款能夠兼具魯棒性、實時性及實用性的駕駛員疲勞檢測產(chǎn)品。本文在參考大量國內(nèi)外相關(guān)文獻(xiàn)及分析對比各種疲勞檢測方法的基礎(chǔ)上，主要研究了基于計算機視覺的

2、駕駛員疲勞檢測方法。通過對駕駛員臉部圖像的分析，提取出眼睛和嘴部等疲勞參數(shù)，采用模糊推理的方法快速、準(zhǔn)確的對駕駛員的疲勞狀態(tài)進(jìn)行判斷并給予警告或提醒。本文主要研究內(nèi)容有：
　?。?）研究分析了各種人臉檢測方法，并提出一種改進(jìn)AdaBoost（Adaptive Boosting）的人臉檢測算法，該算法通過去除冗余特征，優(yōu)化弱分類器選擇和優(yōu)化級聯(lián)技術(shù)來提高算法的有效性。實驗表明，本文算法與AdaBoost算法相比具有較高的檢測精度，而

3、與支持向量機相比，在檢測精度相近的情況下檢測速度明顯提高。
　　（2）研究分析了各種眼睛定位方法，本文先采用灰度積分投影確定眼睛的大致區(qū)域，然后在此區(qū)域應(yīng)用從粗到細(xì)改進(jìn)的模板匹配方法精確地定位眼睛位置。通過實驗驗證，本文方法較之傳統(tǒng)的模板匹配方法具有較高的檢測速率，且對頭部旋轉(zhuǎn)、傾斜具有較強的魯棒性。
　　（3）目前的嘴巴定位方法復(fù)雜，計算量較大，不適于實時性要求。對此，本文根據(jù)已定位出的眼睛位置，研究了一種簡單、快速的嘴巴

4、定位方法。首先根據(jù)先驗知識和人體面部器官分布規(guī)律得到嘴巴的大致區(qū)域，然后使用大津法對其進(jìn)行二值化，求出每一列像素和并進(jìn)行分析判斷從而得到嘴角的位置坐標(biāo)。實驗結(jié)果表明，該方法能夠較好地滿足系統(tǒng)對實時性和準(zhǔn)確性的要求。
　?。?）單一的疲勞參數(shù)來判斷駕駛員是否疲勞有一定的局限性，容易受到外界因素的影響而造成誤判。針對該問題，本文提出了一種基于模糊推理的疲勞判斷方法，使用以眼睛閉合程度，嘴巴張開程度和眨眼頻率作為輸入信號的模糊推理機，對