基于駕駛員行為特征的疲勞駕駛檢測(cè)方法的實(shí)現(xiàn).pdf

1、駕駛員在行車過程中處于疲勞狀態(tài)可能會(huì)導(dǎo)致嚴(yán)重的交通事故，駕駛員疲勞檢測(cè)技術(shù)的目的是預(yù)防駕駛員的疲勞狀態(tài)，避免交通事故的發(fā)生。駕駛員疲勞檢測(cè)方法要求能實(shí)時(shí)的捕捉駕駛?cè)说男袨闋顟B(tài)，準(zhǔn)確對(duì)疲勞狀態(tài)進(jìn)行判定，并且還要不能影響駕駛?cè)藛T的正常駕駛。目前還沒有一種有效的檢測(cè)方法，因此，對(duì)于駕駛員疲勞檢測(cè)技術(shù)的研究有非常廣闊的前景。本課題以駕駛員行為特征為依據(jù)，利用計(jì)算機(jī)視覺和模式識(shí)別的知識(shí)，對(duì)駕駛員面部的行為進(jìn)行提取和分析，以眼睛的狀態(tài)判斷駕駛員是否

2、疲勞，并給出疲勞預(yù)警。
　　 本文采取了一種先定位駕駛?cè)四槻繀^(qū)域，再進(jìn)行眼部區(qū)域特征提取的方法。在駕駛?cè)四樁ㄎ恢袑?duì)模板匹配、支持向量機(jī)、Haar特征三種人臉檢測(cè)的方法進(jìn)行了比較，選用了效果比較好的基于Haar特征并結(jié)合Adaboost級(jí)聯(lián)分類器的算法，此方法在人臉檢測(cè)中具有良好的準(zhǔn)確性和魯棒性，能較準(zhǔn)確的定位人臉和人眼，并利用開源計(jì)算機(jī)視覺庫OpenCV完成了人臉以及人眼的定位。但是，該算法在實(shí)時(shí)性上有所欠缺，對(duì)于每一幀的視頻序

3、列其檢測(cè)耗時(shí)有100ms以上，對(duì)于每秒20幀以上視頻序列做不到實(shí)時(shí)檢測(cè)?；谏鲜鲈颍疚奶岢隽艘环N在視頻采集過程中對(duì)目標(biāo)進(jìn)行跟蹤的辦法，當(dāng)我們使用Camshift跟蹤算法進(jìn)行人眼跟蹤時(shí)發(fā)現(xiàn)其比較依賴于膚色，對(duì)人眼的跟蹤并不準(zhǔn)確，并且跟蹤區(qū)域會(huì)隨著目標(biāo)的遠(yuǎn)近狀態(tài)而變化，本文使用了一種快速模板匹配的跟蹤方法，在定位人眼后，提取人眼的圖像作為跟蹤的模板，再通過建立原圖像與模板圖像的圖像金字塔，對(duì)源圖像和模板圖像分別進(jìn)行高斯金字塔分解的向下采

4、樣，將模板搜索區(qū)域由整幅圖像縮小到某一指定區(qū)域，減少了匹配的計(jì)算量，提高了實(shí)時(shí)性。然后，對(duì)人眼的圖像的二值化處理，統(tǒng)計(jì)睜閉眼黑色像素點(diǎn)的數(shù)量，進(jìn)行睜閉眼判定。最后，提取出一段時(shí)間內(nèi)的閉眼幀數(shù)的百分比和連續(xù)閉眼的幀數(shù)信息來判斷是否為疲勞狀態(tài)并發(fā)出預(yù)警。
　　 我們通過對(duì)數(shù)字?jǐn)z像頭采集的視頻序列，設(shè)計(jì)疲勞檢測(cè)界面，動(dòng)態(tài)調(diào)節(jié)人眼二值化閾值，在PC上模擬的整個(gè)疲勞檢測(cè)過程。實(shí)驗(yàn)結(jié)果表明該方法，在光照均勻，背景不是很復(fù)雜的情況下，能較好的