基于Adaboost和主動(dòng)性狀模型相結(jié)合的駕駛員疲勞檢測(cè)算法研究.pdf

1、隨著國(guó)家交通運(yùn)輸行業(yè)的不斷發(fā)展進(jìn)步，交通事故也在逐日增加。在引發(fā)交通事故的各項(xiàng)因素中，疲勞駕駛所占比重越來(lái)越大。為了降低交通事故次數(shù)，保證駕駛員和行人的生命安全，開展駕駛員疲勞狀態(tài)自動(dòng)檢測(cè)研究具有重要現(xiàn)實(shí)意義。本文基于機(jī)器視覺原理，首先實(shí)現(xiàn)了Adaboost和主動(dòng)性狀模型（ASM）相結(jié)合的駕駛員疲勞檢測(cè)軟件系統(tǒng)。然后為了提升疲勞檢測(cè)的穩(wěn)健性做了兩方面的改進(jìn)：一方面使系統(tǒng)可以適應(yīng)駕駛員姿態(tài)和環(huán)境光照因素等影響；另一方面將Perclos算法

2、、眨眼頻率、打哈欠頻率和持續(xù)閉眼時(shí)間等指標(biāo)結(jié)合起來(lái)綜合判定駕駛員的疲勞狀態(tài)。具體研究工作闡述如下：
　　（1）基于Adaboost和主動(dòng)性狀模型相結(jié)合的駕駛員疲勞檢測(cè)軟件系統(tǒng)研制
　　人眼定位是駕駛員疲勞檢測(cè)中的關(guān)鍵一環(huán)。為了提升人眼定位的準(zhǔn)確性，本文結(jié)合Adaboost算法和主動(dòng)性狀模型（ASM）各自的優(yōu)勢(shì)，并以上述兩個(gè)算法為核心，基于OpenCV平臺(tái)研制開發(fā)了一套駕駛員疲勞檢測(cè)軟件系統(tǒng)。系統(tǒng)首先將采集到的人臉圖像進(jìn)行Ad

3、aboost人臉檢測(cè)，然后將檢測(cè)到的人臉區(qū)域位置信息傳遞給ASM算法，作為匹配域的初始化位置，在匹配完成后即可得到準(zhǔn)確的人眼位置。大量模擬實(shí)驗(yàn)結(jié)果表明，該軟件系統(tǒng)能順利進(jìn)行疲勞駕駛狀態(tài)檢測(cè)，駕駛員圖像采集及預(yù)處理、人臉檢測(cè)、人眼定位、疲勞駕駛狀態(tài)判定等各項(xiàng)功能齊備，人眼定位準(zhǔn)確率高。
　　（2）適應(yīng)駕駛員姿態(tài)及環(huán)境光照等因素影響的疲勞駕駛穩(wěn)健檢測(cè)算法研究
　　傳統(tǒng)的疲勞駕駛檢測(cè)系統(tǒng)往往沒有考慮駕駛員的姿態(tài)變化以及環(huán)境光照等因

4、素的影響。本文從這兩點(diǎn)出發(fā)，設(shè)計(jì)出一種更加穩(wěn)健的疲勞駕駛檢測(cè)算法。在Adaboost和ASM相結(jié)合的人眼定位基礎(chǔ)上，算法首先通過歸一化人臉圖像并且在檢測(cè)不到人臉的情形下進(jìn)行旋轉(zhuǎn)等手段，使檢測(cè)系統(tǒng)可以適應(yīng)駕駛過程中經(jīng)常出現(xiàn)的駕駛員偏頭情形；其次通過補(bǔ)充人臉訓(xùn)練樣本和引入直方圖均衡等手段，使其可以更好的適應(yīng)駕駛中出現(xiàn)的各種光照環(huán)境。對(duì)模擬視頻進(jìn)行檢測(cè)實(shí)驗(yàn)，結(jié)果表明穩(wěn)健檢測(cè)算法可以更準(zhǔn)確定位人眼的位置。不僅可以有效的適應(yīng)偏頭情況，并且可以消除

5、光照因素的影響，提升了檢測(cè)系統(tǒng)的穩(wěn)健性。
　?。?）Perclos算法與眨眼頻率、打哈欠頻率和持續(xù)閉眼時(shí)間相結(jié)合的綜合疲勞駕駛狀態(tài)判定
　　針對(duì)Perclos算法在疲勞狀態(tài)判定時(shí)的局限性，本文提出將眨眼頻率、打哈欠頻率和持續(xù)閉眼時(shí)間等也一并作為判斷駕駛員疲勞狀態(tài)的標(biāo)準(zhǔn)。系統(tǒng)首先通過人眼閉合程度計(jì)算Perclos值，并且與此同時(shí)計(jì)算駕駛員眨眼頻率、打哈欠頻率和持續(xù)閉眼時(shí)間。無(wú)論P(yáng)erclos值如何，如果眨眼頻率過高或過低，則判