疲勞駕駛狀態(tài)中多視角面部區(qū)域特征信息檢測與分析.pdf

1、隨著汽車產(chǎn)業(yè)和公路交通事業(yè)的發(fā)展，越來越多的人開始駕駛汽車。汽車數(shù)量的增多，使得交通事故不斷發(fā)生，其中很多情況是由于司機的疲勞所引起的。因而通過視覺檢測的方式對司機的疲勞狀況進行檢測已成為該領(lǐng)域的重要研究內(nèi)容。不同于接觸式的醫(yī)療檢測方法，如通過觀察生理參數(shù)，利用心電圖儀、腦電圖儀等醫(yī)療器械檢測，雖然這樣測量準確率很高，但這種方法過程復(fù)雜，測量起來耗時耗力，而且不方便操作。圖像處理技術(shù)的提高使得司機的人臉圖像特征比如眼睛、嘴巴等的提取更加

2、實時性，通過用人臉識別技術(shù)對提取的相關(guān)特征進行分析判斷駕駛員是不是疲勞狀態(tài)。利用圖像處理的對人臉的視覺處理是計算機視覺要處理的重要內(nèi)容之一，所以人臉的實時檢測與準確分析是能否準確判斷疲勞駕駛的前提和條件。
　　本文是針對司機的疲勞駕駛的視覺檢測進行研究，主要完成了人臉區(qū)域的檢測和人臉旋轉(zhuǎn)角度的提取。
　　文中首先闡述了圖像的預(yù)處理方法，將圖像處理分為圖像增強部分、圖像分割部分和圖像的特征提取部分并作出總結(jié)。根據(jù)圖像采集過程中

3、出現(xiàn)的光照條件不理想的情況，對采集的待處理圖像進行了光線補償。
　　其次是對基于Adaboost算法的人臉檢測算法的原理闡述，分析了Adaboost算法的組成及其流程，其中重點包括 Haar特征的選取以及不同特征值的計算方式，還有強分類器的形成和級聯(lián)分類器的組成等。再結(jié)合實際的采集圖像，根據(jù)Adaboost算法進行圖像的人臉檢測。
　　再次根據(jù)不同的彩色空間，如RGB彩色空間，HSV彩色空間和YCbCr彩色空間等進行人臉膚色

4、建模，由于膚色再 YCbCr等彩色空間中具有聚類性，能夠根據(jù)其中Cb和Cr分量的分布情況提取出人臉區(qū)域。同時，闡述了人眼睛和嘴巴的提取的方法和原理。并對基于膚色的方法進行了人臉的提取和人眼和嘴巴的提取。
　　最后，分析基于Adaboost算法和基于膚色模型算法的人臉提取方法的不足和各自的優(yōu)點，通過融合的方式將兩者結(jié)合，提高了復(fù)雜狀況下人臉檢測的準確率。根據(jù)提取到的人臉區(qū)域，通過判斷人眼和嘴巴等器官的幾何分布信息，提取的得到人臉大致