基于機(jī)器視覺的駕駛員疲勞駕駛檢測方法研究.pdf

1、道路交通事故一旦發(fā)生會(huì)給國家和人民的生命財(cái)產(chǎn)造成極大的損失。其中，駕駛員疲勞駕駛是引發(fā)惡性道路交通事故的最主要原因。因此，對駕駛員疲勞駕駛進(jìn)行檢測和預(yù)警具有重大的學(xué)術(shù)、經(jīng)濟(jì)和社會(huì)意義。利用機(jī)器視覺技術(shù)，融合多個(gè)疲勞特征對疲勞駕駛進(jìn)行綜合檢測，已成為世界范圍內(nèi)的一個(gè)研究熱點(diǎn)。
　　 疲勞是一個(gè)非常復(fù)雜的生理現(xiàn)象，基于單一疲勞特征的疲勞駕駛檢測方法在檢測效果上存在著先天缺陷。基于多個(gè)疲勞特征的疲勞駕駛檢測方法能夠克服單一疲勞特征檢測

2、方法的不足，具有檢測范圍廣、準(zhǔn)確率高、可靠性強(qiáng)等優(yōu)勢。然而利用信息融合技術(shù)融合反映駕駛員疲勞的直接和間接疲勞特征對疲勞駕駛進(jìn)行綜合檢測的研究還處于初步探索階段，有許多科學(xué)問題亟需解決。
　　 本文采用理論分析、計(jì)算機(jī)仿真和實(shí)車模擬實(shí)驗(yàn)相結(jié)合的研究方法，對基于機(jī)器視覺的駕駛員疲勞駕駛?cè)诤蠙z測方法涉及到的4個(gè)關(guān)鍵性問題進(jìn)行了研究，包括解決駕駛員臉部的快速檢測和準(zhǔn)確定位問題，開發(fā)用于檢測疲勞駕駛的車道線實(shí)時(shí)檢測算法，對恰當(dāng)選取的疲勞特

3、征參數(shù)進(jìn)行有效計(jì)算并提出合理的疲勞度量化方法，提出基于多個(gè)疲勞特征的疲勞駕駛?cè)诤蠙z測方法。取得的創(chuàng)新性研究成果主要有：
　　 （1）針對基于單一特征駕駛員臉部檢測算法在檢測精度和可靠性方面的局限性，提出了多特征雙重匹配驗(yàn)證的人臉檢測算法。首先采用改進(jìn)的基于Haar-like特征的人臉檢測算法在整幅圖像上檢測出可能存在的初始人臉區(qū)域，然后自適應(yīng)地?cái)U(kuò)大初始人臉區(qū)域范圍，并在此基礎(chǔ)上利用基于膚色特征的方法在YCbCr空間上進(jìn)行臉部的二

4、次檢測，最后根據(jù)定義的臉部區(qū)域重合度和人臉幾何先驗(yàn)知識(shí)對駕駛員臉部區(qū)域進(jìn)行雙重匹配驗(yàn)證進(jìn)而制定相應(yīng)的定位規(guī)則對臉部進(jìn)行融合檢測。各種路況下的實(shí)驗(yàn)結(jié)果證明了該算法的有效性。
　　 （2）針對高速公路車道線的特點(diǎn)，提出了改進(jìn)的基于機(jī)器視覺的車道線實(shí)時(shí)檢測算法。利用直線車道線模型，采用基于Hough變換的車道線參數(shù)全局提取和基于最小二乘擬合的局部小窗口提取相協(xié)調(diào)的方法對車道線進(jìn)行檢測。在圖像的預(yù)處理過程中，采用改進(jìn)快速中值濾波算法、基

5、于梯度方向角直方圖和連通性分析相結(jié)合的濾波方法對車道線圖像進(jìn)行濾波處理，提高了車道線檢測的準(zhǔn)確率。根據(jù)當(dāng)前幀圖像車道線的有效區(qū)域，利用Kalman濾波算法預(yù)測車道線感興趣小窗口的位置和大小，提高車道線實(shí)時(shí)檢測的效率。
　　 （3）在人臉檢測和車道線檢測的基礎(chǔ)上，通過選擇恰當(dāng)?shù)钠谔卣鲄?shù)，提出了相應(yīng)的疲勞特征參數(shù)計(jì)算及疲勞度量化方法。利用機(jī)器視覺技術(shù)對頻繁眨眼、頻繁打呵欠和異常偏離車道3個(gè)疲勞特征參數(shù)進(jìn)行檢測和提取。針對上述3個(gè)

6、疲勞特征參數(shù)，通過駕駛仿真模擬實(shí)驗(yàn)采用主、客觀量化相結(jié)合的方法對駕駛員的疲勞程度進(jìn)行量化。利用統(tǒng)計(jì)分析方法，對疲勞特征參數(shù)及其對應(yīng)的疲勞度之間的相關(guān)性進(jìn)行分析，驗(yàn)證所選疲勞特征參數(shù)的有效性。實(shí)驗(yàn)結(jié)果表明，所選擇的3個(gè)疲勞特征參數(shù)能夠有效反映駕駛員的疲勞程度，且提出的疲勞特征檢測算法準(zhǔn)確、可靠。
　　 （4）為提高基于單一特征檢測算法的準(zhǔn)確率和可靠性，提出基于減法聚類和改進(jìn)粒子群優(yōu)化TS模糊神經(jīng)網(wǎng)絡(luò)的疲勞駕駛?cè)诤蠙z測算法。該算法從