基于表情及姿態(tài)的機車司機疲勞駕駛監(jiān)測技術(shù).pdf

1、當今世界鐵路運輸業(yè)蓬勃發(fā)展，中國鐵路交通發(fā)展迅猛。隨著鐵路的迅速發(fā)展所引發(fā)的問題也越來越多：機車駕駛速度越高隨之引發(fā)的安全問題愈顯突出。既要保證列車行車安全，又要保證機車運行平穩(wěn)、舒適。影響機車駕駛安全性的因素很多，而機車司機的正常駕駛也顯得更為重要，機車駕駛員在列車運行安全性方面，占據(jù)著不可忽視的地位。
　　傳統(tǒng)的疲勞駕駛監(jiān)測技術(shù)有基于人眼的疲勞狀態(tài)監(jiān)測、基于頭部位置的疲勞狀態(tài)監(jiān)測。這些疲勞狀態(tài)的監(jiān)測存在著一定的弊端，無法克服光

2、照強度的變化、遮擋、重合等影響：而基于生理參數(shù)(如EEG、ECG、EOG等)的疲勞狀態(tài)監(jiān)測，屬于接觸的監(jiān)測方法，對駕駛員的駕駛狀態(tài)有一定的影響。經(jīng)調(diào)查可知，我國火車司機在值乘期間，需要按照接收到的信號做出一系列的規(guī)定性手勢動作。鑒于此，提出了一種專用于機車司機的駕駛狀態(tài)監(jiān)測技術(shù)——基于機車司機的姿態(tài)，即機車司機規(guī)定性手勢的，機車司機疲勞駕駛狀態(tài)監(jiān)測技術(shù)。
　　模擬機車駕駛過程，在實驗室環(huán)境中獲取所需的機車司機駕駛狀態(tài)監(jiān)測視頻文件。

3、對所得到的視頻文件對其進行一定的處理，通過判斷手勢的規(guī)范性與標準性對機車司機的駕駛狀態(tài)進行檢測。首先對機車司機駕駛過程的視頻文件進行一定的預(yù)處理。通過混合高斯模型對視頻文件進行背景建模與運動目標(手勢)的實時檢測。在對背景圖像不斷的更新的過程中，對手勢出現(xiàn)與否進行判斷。當檢測到手勢目標出現(xiàn)后，停止混合高斯模型算法的使用，記錄此時的背景圖像：然后利用五幀問的幀間差分法進行相鄰幀的比較，通過閾值的設(shè)置，判斷是否相鄰的五幀間存在差異。若五幀間

4、的差異小于所設(shè)定的閾值，則認為此時為機車司機所做出的規(guī)定的手勢；之后，通過膚色模型的轉(zhuǎn)換對手勢圖像進行進一步的準確提取。經(jīng)膚色模型處理所得到的圖像可能存在著一定的空洞等現(xiàn)象，需要通過腐蝕、擴張等數(shù)字形態(tài)學濾波的方法對其進行修正，以便得到清晰準確的手勢的二值圖像；最后對手勢的二值圖像進行識別與判斷。采用形狀上下文算法、HOG特征和AdaBoost分類器等對手勢的二值圖像進行目標的識別與綜合的判定，進而判斷出司機的駕駛狀態(tài)。一方面，利用HO

5、G特征和AdaBoost分類器對其進行分類識別。首先需要利用AdaBoost分類器對大量的手勢圖像的HOG特征進行訓(xùn)練，得到能夠?qū)Ω鱾€手勢進行分類的強分類器。之后通過強分類器對待匹配的手勢的二值圖像的HOG特征進行分類，以判斷是否是規(guī)定的手勢，以及其是否符合要求：另一方面，利用形狀上下文算法，計算手勢的二值圖像與模板圖像的匹配代價，進而對手勢的標準型進行判斷。通過上述兩種方法綜合判斷手勢的規(guī)范性，實現(xiàn)對機車司機駕駛狀態(tài)的分析與監(jiān)測的工作