眼睛狀態(tài)參數(shù)圖像檢測(cè)及其在瞌睡監(jiān)測(cè)中的應(yīng)用.pdf

1、疲勞駕駛是產(chǎn)生交通事故的主要原因之一。只有通過事先預(yù)防，利用先進(jìn)科學(xué)技術(shù)手段來監(jiān)測(cè)和限制疲勞駕駛等不當(dāng)駕駛行為，主動(dòng)地消除引發(fā)交通事故的因素，才能以最徹底的方式、最大限度地減少生命和經(jīng)濟(jì)損失。 本文詳細(xì)介紹了疲勞檢測(cè)的研究背景和意義，分析比較了國(guó)內(nèi)外疲勞檢測(cè)的方法。采用視覺這種非接觸式的方法監(jiān)測(cè)駕駛員狀態(tài)是一種比較好且相對(duì)易于實(shí)現(xiàn)的選擇。眼睛特征是基于視覺方法監(jiān)測(cè)駕駛員狀態(tài)中最直接有效的物理反應(yīng)特征。本文就眼睛檢測(cè)、眼睛特征提取

2、、眼睛跟蹤做了如下主要工作： 可見光照條件下的眼睛檢測(cè)和眼睛特征提?。?首先根據(jù)AdaBoost人臉分類器的第一個(gè)矩形特征對(duì)應(yīng)的是眼睛區(qū)域，提出在AdaBoost人臉分類器的第一個(gè)矩形特征內(nèi)使用AdaBoost眼睛分類器檢測(cè)眼睛。針對(duì)眼睛睜開和閉合圖像的灰度分布差異，提出基于小波系數(shù)預(yù)測(cè)誤差來提取眼睛狀態(tài)特征的方法，并用SVM(支持向量機(jī))訓(xùn)練了眼睛狀態(tài)分類器，取得了較好的實(shí)驗(yàn)結(jié)果。在眼睛參數(shù)提取中，利用虹膜分布在眼睛圖

3、像谷底(圖像中最黑的區(qū)域)的特點(diǎn)，通過尋找眼睛圖像谷底來計(jì)算虹膜中心位置和虹膜半徑。提出了利用眼睛圖像邊緣信息提取眼瞼參數(shù)的方法，并成功把RANSAC(隨機(jī)抽樣一致性)方法用于眼瞼拋物線的提取中。 紅外光照條件的眼睛檢測(cè)和眼睛跟蹤： 為了克服可見光照條件下光照對(duì)采集圖像的影響，采用主動(dòng)紅外光源來獲取圖像。根據(jù)紅外成像原理，把紅外光源放置在相機(jī)光軸附近，拍攝亮瞳眼睛圖像。提出對(duì)增強(qiáng)后的亮瞳圖像進(jìn)行灰度數(shù)學(xué)形態(tài)學(xué)的開操作，用