疲勞駕駛特征和參數提取研究.pdf

1、疲勞駕駛檢測系統(tǒng)因有著較大的應用價值，并與人們的安全密切相關而一直是研究熱點，基于模式識別與圖像處理技術的面部識別疲勞方法也有著重要的理論價值。在這方面的研究取得了一定的成果，但也有很多未解決的問題，本文側重對面部疲勞特征和疲勞參數進行研究，提出了基于三種疲勞參數的疲勞特征的檢測和識別算法，以及三種疲勞參數的獲取方法，并進行了相關實驗。本文是以獲取疲勞參數進行的面部特征檢測研究，更具針對性，且設計了疲勞參數的實時獲取方法。最后設計了多疲

2、勞參數的疲勞駕駛系統(tǒng)的設計方法，本文的研究內容可總結為如下幾點:
　　 (1)設計了一種基于Hough變換的人眼檢測方法
　　 在采用了基于Adaboost檢測人臉方法進行人臉檢測后，在人臉區(qū)域中分出候選眼部區(qū)域，提出了一種基于Hough變換的人眼檢測方法。設計了給定半徑進行Hough變換采用非極大值抑制方法檢測候選眼圓，加入灰度信息確定人眼;根據本文算法和人雙眼關系的先驗知識，設計了分左右半圖像檢測檢測人眼，并加入二次

3、檢測的檢測方法流程;選擇了對圖像降低到不同分辨率進行該方法的檢測人眼實驗，基于實驗結果分析了降低待檢圖像分辨率對計算量和檢測效果的影響，選擇了合適的分辨率以減少計算量并保持較好的檢測效果。實驗證明本文的檢測人眼算法對非閉眼人眼有很好的檢測效果。
　　 (2)訓練了AAM人眼模版
　　 本文選用了訓練AAM人眼模版進行人眼精確定位和特征信息提取，設計了訓練方法:訓練單人、多眼部狀態(tài)、多姿態(tài)人眼模版，并選擇了相應的訓練樣本;

4、選擇設計訓練樣本的眼部特征點標注方法，特征點的選擇可以提供大量眼部甚至頭部信息;對訓練樣本采用AAM算法進行了訓練，獲得了人眼模版。然后設計了眼部信息的提取方法，選擇瞳孔四周的點來表征眼睛的張開距離。最后設計了眼睛的跟蹤方法:以基于Hough變換的人眼檢測方法對眼睛進行初定位，匹配AAM人眼模版，并對之后的人眼進行跟蹤，以眼睛特征點信息檢測是否跟蹤丟失，若丟失進行重新的人眼初定位。AAM人眼模版方法在精確定位人眼、人眼跟蹤、實時提取眼部

5、信息都取得了很好的效果。
　　 (3)設計了眼部疲勞參數PERCLOS實時獲取方法
　　 基于本文的人眼特征檢測方法，設計了與疲勞相關性較大的眼部疲勞參數——PERCLOS的實時獲取方法:結合AAM模版進行跟蹤定位人眼，選用模版實時獲取的雙眼瞳孔四角點來表征眼睛的張開距離;根據PERCLOS的定義，本文設計統(tǒng)計在一個眨眼過程中，眼睛張開距離低于整個瞳孔距離的20％的時間和低于80％的時間，以其比例表征PERCLOS值，設

6、計了實現了實時的PERCLOS值輸出，并完全實時表征眼部的變化。對本文方法進行了相關實驗，取得較好結果。
　　 (4)提出了一種基于Gabor和LBP的嘴部檢測識別方法
　　 嘴部疲勞參數的研究一直是以檢測打哈欠的頻率為主，本文以獲取這個參數為目的，研究了檢測識別嘴部特征狀態(tài)的方法:利用眼睛與嘴巴位置關系在人臉區(qū)域分割出嘴部區(qū)域，提取其紅色信息圖像，多尺度多方向進行Gabor濾波，改進的LBP算子處理圖像，再用分塊直方圖