基于信息融合的疲勞駕駛檢測(cè)算法的研究.pdf

1、疲勞駕駛是導(dǎo)致交通事故的一個(gè)很重要的因素，因疲勞駕駛導(dǎo)致的交通事故每年都會(huì)造成巨大的財(cái)產(chǎn)損失和人員傷亡，所以對(duì)疲勞駕駛檢測(cè)進(jìn)行研究具有重要的社會(huì)意義。
　　本文在研究前人成果的基礎(chǔ)上，提出采集基于駕駛?cè)嗣娌勘砬榈亩喾N視覺(jué)信息，進(jìn)行疲勞檢測(cè)。首先檢測(cè)視頻圖像中的人臉，并進(jìn)行跟蹤定位，然后提取基于面部表情的眼睛閉合時(shí)間、打呵欠以及點(diǎn)頭等疲勞信息，最后用投票表決的方法綜合多種基于視覺(jué)的疲勞信息判定駕駛?cè)说钠谇闆r。本文主要的研究?jī)?nèi)容如下

2、：基于Haar-like特征的級(jí)聯(lián)分類器的人臉檢測(cè)算法的研究；Camshift算法的研究與改進(jìn)，改進(jìn)后省去了人工的干預(yù)，可自動(dòng)進(jìn)行人臉的檢測(cè)和跟蹤；打哈欠、眼睛閉合時(shí)間、點(diǎn)頭等多種疲勞特征信息的提??；提取眼部疲勞信息時(shí)，提出了一種基于瞳孔檢測(cè)的眼部開(kāi)合狀態(tài)檢測(cè)算法。在提取嘴部的疲勞信息時(shí)，提出綜合運(yùn)用基于Haar-like特征的方法和灰度投影的方法定位嘴巴的位置。
　　該研究首先用基于Haar-like特征的方法去檢測(cè)人臉，并進(jìn)行

3、跟蹤。實(shí)驗(yàn)結(jié)果顯示，用Camshift算法進(jìn)行跟蹤后顯著提高了在后續(xù)視頻序列中定位人臉的速度。該研究提出了一種瞳孔檢測(cè)算法進(jìn)行眼部開(kāi)合狀態(tài)的檢測(cè)，實(shí)驗(yàn)結(jié)果顯示該算法可以準(zhǔn)確的判定人眼的開(kāi)合狀態(tài)，在實(shí)驗(yàn)室環(huán)境下進(jìn)行檢測(cè)時(shí)識(shí)別率達(dá)到96％。在提取嘴巴疲勞信息時(shí)，綜合運(yùn)用基于Haar-like特征的檢測(cè)方法和灰度投影的方法去定位嘴部區(qū)域。實(shí)驗(yàn)結(jié)果顯示，用該方法得到的信息去判定嘴部狀態(tài)時(shí)，識(shí)別率達(dá)到93%。最后用投票表決法綜合多種疲勞信息進(jìn)行疲