汽車駕駛員疲勞駕駛預(yù)警裝置設(shè)計及實驗研究.pdf

1、根據(jù)德國一家汽車市場預(yù)測機(jī)構(gòu)的統(tǒng)計，2010年全球汽車保有量已經(jīng)突破10億輛，而且未來7年還要增長20％。隨著車輛的與日俱增，交通安全越來越受到人們的重視。據(jù)世界衛(wèi)生組織公布的數(shù)據(jù)顯示，世界每年因交通事故死亡的人數(shù)超過120萬。疲勞駕駛是造成交通事故的三大因素之一，每年因疲勞駕駛造成的事故約占事故總數(shù)25%~30%。為了減少因疲勞駕駛造成的人員傷亡和財產(chǎn)損失，現(xiàn)在很多國家已經(jīng)開始了對駕駛員疲勞駕駛的研究。
　　本課題的主要目標(biāo)是開

2、發(fā)一套具有實用價值的汽車駕駛員疲勞駕駛預(yù)警裝置。通過對國內(nèi)外各種疲勞駕駛檢測方法的比較，同時結(jié)合汽車駕駛員駕駛時的特點和規(guī)律，選用利用模式識別和圖像處理技術(shù)來分析駕駛員眼睛狀態(tài)的疲勞檢測和識別算法，并將該算法移植到以Digital Signal Processing（簡稱DSP）芯片為核心的硬件平臺上。開發(fā)的裝置要求能夠滿足車載疲勞駕駛預(yù)警系統(tǒng)對實時、非接觸的基本要求。
　　本文選用目前比較熱門的MB-LBP（Multi-bloc

3、k Local Binary Pattern）特征描述人臉和人眼，該特征具有噪聲敏感度小的優(yōu)點。選用Adaboost算法家族中性能最為優(yōu)異的Gentle adaboost算法來訓(xùn)練人臉檢測和人眼定位分類器。通過訓(xùn)練挑選出檢測率高的弱分類器，再將選出的弱分類器按照權(quán)重組成強(qiáng)分類器，進(jìn)而形成級聯(lián)分類器。最終經(jīng)過反復(fù)實驗、調(diào)整參數(shù)，在PC機(jī)上運(yùn)行獲得較高的人眼檢測率。
　　使用TI公司為DSP程序移植專門開發(fā)的軟件CCS3.1將開發(fā)的人

4、臉檢測和人眼定位算法移植到以DSP為核心的DM642開發(fā)板中。在移植過程中運(yùn)用多種優(yōu)化手段來簡化程序，使得檢測的速度達(dá)到實時檢測的要求。
　　完成算法的開發(fā)和程序移植后，分別建立以PC機(jī)和DSP為基礎(chǔ)的實驗平臺，對算法的正確性和實時性進(jìn)行分析。通過實驗，使得本文所研究的算法能夠基本上達(dá)到預(yù)期目的。
　　檢測算法在PC機(jī)仿真與硬件平臺仿真中都實現(xiàn)了較好的檢測效果，在DM642開發(fā)板的基礎(chǔ)上，設(shè)計整個裝置的電路及PCB板，研發(fā)出