基于圖像的機(jī)車(chē)司機(jī)疲勞檢測(cè)系統(tǒng)研究.pdf

1、隨著鐵路生產(chǎn)力布局調(diào)整，機(jī)車(chē)交路不斷延伸，駕駛員超勞現(xiàn)象非常嚴(yán)重。駕駛員疲勞駕駛已經(jīng)成為造成全路機(jī)務(wù)行車(chē)事故的一個(gè)重要原因。因此，開(kāi)發(fā)出應(yīng)用于列車(chē)的駕駛員智能疲勞監(jiān)測(cè)系統(tǒng)，對(duì)列車(chē)的安全行駛意義重大。
　　 本文介紹了一種利用CCD圖像傳感器對(duì)駕駛員面部進(jìn)行圖像采集，通過(guò)對(duì)人眼狀態(tài)的分析來(lái)判定疲勞程度的系統(tǒng)。主要參考兩個(gè)指標(biāo)來(lái)衡量駕駛員疲勞程度：人眼持續(xù)閉合時(shí)間占特定時(shí)間的比率PERCLOS和人眼平均閉合速度AECS。本系統(tǒng)采用基

2、于Haar特征的AdaBoost級(jí)聯(lián)分類(lèi)器算法進(jìn)行人臉檢測(cè)，在檢測(cè)出人臉的基礎(chǔ)上，通過(guò)模板匹配的方法在人臉區(qū)域內(nèi)定位人眼和檢測(cè)人眼狀態(tài)。當(dāng)系統(tǒng)檢測(cè)到駕駛員處于睡眠狀態(tài)時(shí)，能及時(shí)報(bào)警提醒駕駛員，并保留相關(guān)數(shù)據(jù)上傳到地面控制中心。
　　 本文采用基于Haar特征的AdaBoost級(jí)聯(lián)分類(lèi)器算法和模板匹配算法，在對(duì)其原理和具體實(shí)現(xiàn)方式進(jìn)行介紹的基礎(chǔ)上，軟件編程實(shí)現(xiàn)，并通過(guò)幾個(gè)測(cè)試集對(duì)實(shí)現(xiàn)的算法進(jìn)行測(cè)試。實(shí)驗(yàn)表明，本文所采用的AdaBo

3、ost方法和模板匹配的方法，具有檢測(cè)準(zhǔn)確率高、運(yùn)行速度快和魯棒性好的優(yōu)點(diǎn)。最后結(jié)合測(cè)試中暴露出的算法的不足，提出了進(jìn)一步的改進(jìn)方法。
　　 全文共分六章。第一章為緒論，指出了本課題的研究背景與意義，并概述了關(guān)于司機(jī)疲勞檢測(cè)的國(guó)內(nèi)外相關(guān)技術(shù)的發(fā)展。第二章首先確定了疲勞狀態(tài)檢測(cè)的評(píng)價(jià)指標(biāo)，提出了系統(tǒng)人臉檢測(cè)部分采用基于Haar特征的AdaBoost算法。最后，給出了對(duì)整個(gè)疲勞檢測(cè)系統(tǒng)的詳細(xì)設(shè)計(jì)方案。第三章介紹基于Haar的AdaBo

4、ost人臉檢測(cè)算法，包括對(duì)原理的介紹和對(duì)所采用的具體檢測(cè)實(shí)現(xiàn)方式的詳細(xì)論述。第四章在對(duì)模板匹配的原理進(jìn)行介紹的基礎(chǔ)上，提出適用于本系統(tǒng)人眼定位的模板匹配方法，并對(duì)模板匹配的關(guān)鍵問(wèn)題進(jìn)行了論述。最后對(duì)人眼定位和狀態(tài)檢測(cè)的輸入圖像的預(yù)處理過(guò)程進(jìn)行了簡(jiǎn)單介紹。第五章利用建立的測(cè)試集對(duì)人臉與人眼采用的兩種算法進(jìn)行測(cè)試，并對(duì)結(jié)果和誤檢原因進(jìn)行分析。第六章為總結(jié)與展望，對(duì)全文的主要研究工作進(jìn)行了總結(jié)，結(jié)合實(shí)際的疲勞檢測(cè)情況，分析算法所存在的不足，提