基于視頻信號(hào)機(jī)車駕駛員疲勞檢測(cè)系統(tǒng)研究.pdf

1、鐵路運(yùn)輸作為目前世界范圍內(nèi)的主要運(yùn)輸方式之一,對(duì)于經(jīng)濟(jì)建設(shè)起到的作用是顯而易見(jiàn)的。因而能否保證鐵路運(yùn)輸安全、有序、高效的運(yùn)轉(zhuǎn)就顯得很重要。由于鐵路是軌道交通的特殊性,且機(jī)車速度較快,故發(fā)生事故時(shí)將會(huì)對(duì)車上旅客的生命和財(cái)產(chǎn)造成極大傷害和損失。而導(dǎo)致事故原因中,由于駕駛員的駕駛狀態(tài)不佳,導(dǎo)致操作事故已經(jīng)成為引發(fā)事故的一項(xiàng)主要因素。
　　本文是針對(duì)機(jī)車駕駛員駕駛畫(huà)面的視頻信號(hào)進(jìn)行采集,并通過(guò)對(duì)視頻信號(hào)進(jìn)行實(shí)時(shí)進(jìn)行人臉定位,進(jìn)而進(jìn)行人眼的

2、定位,并且實(shí)時(shí)分析其當(dāng)前的駕駛狀態(tài)。如果發(fā)現(xiàn)駕駛員已經(jīng)處于疲勞或者說(shuō)離開(kāi)工作應(yīng)在位置的時(shí)候進(jìn)行報(bào)警。以減少由于駕駛員本身疲勞的原因造成的事故,進(jìn)而減少甚至避免在鐵路運(yùn)輸過(guò)程中所出現(xiàn)的生命財(cái)產(chǎn)損失。
　　本文詳細(xì)分析了目前應(yīng)用比較廣泛的人臉識(shí)別方法和算法,進(jìn)行分析后采用了如下方法:
　　首先詳細(xì)的分析所采用的AdaBoost算法的人臉定位,構(gòu)建一個(gè)基于OpenCV數(shù)據(jù)庫(kù)的彩色的動(dòng)態(tài)人臉識(shí)別跟蹤系統(tǒng)為框架,并對(duì)追蹤到的人臉部進(jìn)行

3、分析得到人眼的信息并進(jìn)行定位。而后分析人眼在視頻中的狀態(tài),通過(guò)機(jī)器算法訓(xùn)練得到駕駛員精神狀態(tài)駕駛的臉部,尤其是眼部駕駛習(xí)慣。用后續(xù)的駕駛畫(huà)面分析進(jìn)行實(shí)時(shí)的比對(duì)的到當(dāng)前的駕駛員的駕駛狀態(tài)是否符合我們?cè)O(shè)定的疲勞標(biāo)準(zhǔn)。
　　本文主要研究了基于膚色的人臉檢測(cè)方法和AdaBoost算法。從Haar形狀特征矩形的定義開(kāi)始,介紹了弱分類器如何組成強(qiáng)分類器的過(guò)程。而后通過(guò)對(duì)強(qiáng)分類器級(jí)聯(lián),組成級(jí)聯(lián)分類器進(jìn)行人臉定位,大大節(jié)省了時(shí)間,加快了運(yùn)算速度。

4、Camshift算法的結(jié)合進(jìn)來(lái)達(dá)到對(duì)運(yùn)動(dòng)中圖像人臉的跟蹤。并且通過(guò)實(shí)驗(yàn)結(jié)果表明這種結(jié)合算法適合于不同人臉,在光照射不同情況下的人臉識(shí)別。而且不同姿勢(shì)情況的人臉也能夠被識(shí)別到。通過(guò)實(shí)驗(yàn),表情變化及部分臉被遮擋的時(shí)候也可以進(jìn)行檢測(cè)和追蹤。并且檢測(cè)成功率較高。
　　運(yùn)用眼睛模板匹配方法及PCA方法進(jìn)行眼睛的識(shí)別和定位,而后選擇可變步長(zhǎng)的方法達(dá)到動(dòng)態(tài)中找到眼睛的位置。實(shí)際檢測(cè)當(dāng)中,能夠做到各種正常情況下的人眼定位的功能。基本實(shí)現(xiàn)了疲勞檢測(cè)