駕駛員疲勞駕駛實時檢測系統(tǒng)設計與研究.pdf

1、隨著汽車持有量的持續(xù)增加和公路級別的不斷提高，全世界的公路交通事故頻繁發(fā)生，交通安全問題日益嚴重。有關部門調查結果顯示，駕駛員疲勞駕駛是導致重大交通事故的主要原因之一。因此研究和設計一套準確、高效的駕駛員疲勞駕駛檢測系統(tǒng)，及時地對駕駛員進行疲勞駕駛預警具有重要的意義和實用價值。
　　基于面部特征狀態(tài)的疲勞檢測方法因其具有非接觸性、實時性好、準確性高等優(yōu)點，已經成為疲勞檢測的主流研究方向。本文結合吉林省教育廳“十二五”資助項目（編號

2、：2015097）、吉林省發(fā)改委資助項目（編號：2015Y067），在對國內外疲勞駕駛檢測技術進行了廣泛調研的基礎上，運用機器視覺、圖像處理、目標檢測及特征提取等技術對與疲勞有關的外在生理特征進行檢測和狀態(tài)分析，并依據(jù)相應疲勞判斷準則，建立了基于駕駛員面部特征的疲勞駕駛檢測系統(tǒng)。該檢測系統(tǒng)主要包括四個模塊：圖像捕捉模塊、圖像預處理模塊、特征檢測提取模塊和特征分類識別模塊。本文對其中特征檢測提取和特征分類識別模塊做了重點研究，主要包括駕駛

3、員人臉檢測、人臉跟蹤定位、面部特征檢測與狀態(tài)識別以及基于面部特征的疲勞狀態(tài)識別與分析。
　　本文主要研究內容如下：
　　首先，運用計算機、攝像頭、Visual Studio等軟硬件設備構建檢測系統(tǒng)平臺。在對采集的圖像進行預處理的基礎上，選擇MB-LBP特征作為分類特征，運用AdaBoost算法和級聯(lián)的方法訓練人臉分類器，根據(jù)得到分類器進行人臉檢測和定位，實現(xiàn)對駕駛員人臉區(qū)域的實時檢測。針對Camshift跟蹤算法的不足，提出

4、結合卡爾曼濾波器預測的Camshift跟蹤算法，實現(xiàn)對人臉區(qū)域的實時跟蹤；
　　其次，使用梯度回歸樹算法，對已標定人臉特征點位置的樣本圖像進行訓練，得到人臉模型，使用該模型對檢測出的人臉進行眼睛和嘴巴特征定位。然后使用橢圓擬合算法，設置閾值判斷眼睛和嘴巴的狀態(tài)，并依照相應疲勞判斷準則識別駕駛員的疲勞程度。
　　最后，為驗證所提出的疲勞駕駛檢測算法的準確性，本文在本田家用轎車上進行了疲勞駕駛檢測試驗，通過安置在前擋風玻璃上的帶