基于眼部和嘴部特征融合的駕駛員疲勞檢測(cè)方法研究.pdf

1、駕駛員疲勞狀態(tài)檢測(cè)與預(yù)警方法的研究已經(jīng)引起廣泛關(guān)注。國內(nèi)外有不少研究機(jī)構(gòu)對(duì)駕駛員疲勞狀態(tài)檢測(cè)方法進(jìn)行了研究,經(jīng)過多年的發(fā)展,相關(guān)的研究已取得不少成果,也有一些產(chǎn)品投入應(yīng)用。但測(cè)試和實(shí)踐經(jīng)驗(yàn)表明,目前的駕駛員疲勞檢測(cè)方法在實(shí)際應(yīng)用中仍存在局限性:如測(cè)量準(zhǔn)確度不高、應(yīng)用場(chǎng)景受限制較多、魯棒性不強(qiáng)、很難實(shí)現(xiàn)實(shí)時(shí)監(jiān)控等。所以研究一種更具實(shí)用性的駕駛員疲勞狀態(tài)檢測(cè)預(yù)警方法具有重要的意義。
　　 本文擬通過融合眼部和嘴部等多種疲勞相關(guān)的特征

2、來提高疲勞檢測(cè)的準(zhǔn)確率。為了對(duì)駕駛員狀態(tài)進(jìn)行全天候的監(jiān)控分析,本文通過紅外攝像頭實(shí)時(shí)獲取駕駛員圖像,然后提取眼部和嘴部的視覺特征,最后通過分析眼睛的開閉狀態(tài)以及嘴部是否打哈欠等特征,進(jìn)行疲勞狀態(tài)的分析和判斷。文中所做的主要工作如下:
　　 (1)改進(jìn)人臉眼部和嘴部特征點(diǎn)定位策略。針對(duì)直接從視頻圖像中進(jìn)行左右眼睛和嘴部特征點(diǎn)定位存在檢測(cè)率低、誤差大的問題,本文提出首先利用經(jīng)典的AdaBoost算法定位出人臉?biāo)趨^(qū)域,然后在人臉區(qū)域

3、內(nèi)定位其他相關(guān)的特征區(qū)域。
　　 (2)改進(jìn)人臉檢測(cè)器搜索策略。為達(dá)到實(shí)時(shí)檢測(cè)的目的,結(jié)合正常情況下駕駛員頭部活動(dòng)范圍比較小的特點(diǎn),本文根據(jù)前一幀定位到人臉位置估算下一幀人臉大概位置,從而縮小搜索范圍,提高人臉檢測(cè)效率。
　　 (3)針對(duì)駕駛員有睜眼睡覺或頻繁眨眼習(xí)慣時(shí)導(dǎo)致系統(tǒng)誤報(bào)率高的問題,本文聯(lián)合PERCLOS、眨眼頻率、眨眼持續(xù)時(shí)間三個(gè)眼部疲勞特征參數(shù)進(jìn)行疲勞判斷。當(dāng)駕駛員睜眼睡覺時(shí),PERCLOS和眨眼頻率都比較