基于綜合集成的駕駛疲勞識(shí)別.pdf

1、疲勞駕駛一直是車(chē)禍?zhǔn)鹿实闹饕蛑?，因此?duì)駕駛員的疲勞狀態(tài)進(jìn)行檢測(cè)，減少由疲勞駕駛引發(fā)的事故，有著重要的現(xiàn)實(shí)意義。本文提出綜合使用眼睛閉合時(shí)間比例、平均眼皮閉合速度，視線分布、視線跳動(dòng)頻率，以及點(diǎn)頭頻率和哈欠頻率六個(gè)特征來(lái)檢測(cè)疲勞，本文做的工作主要有以下幾個(gè)方面： 1)提出了綜合多個(gè)視覺(jué)特征的疲勞檢測(cè)系統(tǒng)的基本框架。@2)為了實(shí)現(xiàn)快速精確的定位眼睛，提出了一種基于灰度投影和分塊復(fù)雜度的人眼定位方法，并采用了基于顏色和紋理復(fù)合特

2、征的卡爾曼粒子濾波器進(jìn)行人眼跟蹤，提高了跟蹤的精度。 3)提出了各種疲勞參數(shù)的提取方法：采用了Gabor濾波器提取眼睛 圖像的紋理特征；為了估計(jì)眼皮的閉合程度，使用了徑向基網(wǎng)絡(luò)對(duì)紋理特征進(jìn)行分類(lèi)；使用了廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)視線的位置，從而提取視線運(yùn)動(dòng)參數(shù)；采用了基于圖像分割的方法進(jìn)行嘴巴尺寸檢測(cè)。 4)考慮到疲勞概念的模糊性，使用模糊神經(jīng)網(wǎng)絡(luò)對(duì)疲勞參數(shù)進(jìn)行分類(lèi)；為了進(jìn)一步提高分類(lèi)器的準(zhǔn)確率，采用了Bagging方法進(jìn)行