基于人臉特征的列車司機(jī)疲勞駕駛檢測(cè)與識(shí)別系統(tǒng)研究.pdf

1、隨著鐵路的大發(fā)展，新的技術(shù)裝備不斷投入到鐵路安全運(yùn)輸中，列車司機(jī)工作強(qiáng)度不斷加大，同時(shí)由于列車司機(jī)的作息時(shí)間、工作環(huán)境等因素容易導(dǎo)致列車司機(jī)工作狀態(tài)不佳、打瞌睡、疲勞駕駛，疲勞駕駛已成為鐵路運(yùn)輸?shù)闹卮蟀踩[患，因此列車司機(jī)的工作狀態(tài)保證和監(jiān)督環(huán)節(jié)越來越受到社會(huì)廣泛地關(guān)注和重視。
　　 本文的研究?jī)?nèi)容是按照對(duì)列車司機(jī)疲勞駕駛檢測(cè)系統(tǒng)車載、實(shí)時(shí)、非接觸的基本要求，結(jié)合列車司機(jī)駕駛時(shí)的特點(diǎn)和規(guī)律，利用模式識(shí)別與圖像處理知識(shí)分析列車司機(jī)

2、疲勞駕駛時(shí)的臉部特征，研究適合于列車運(yùn)行時(shí)駕駛室光照情況復(fù)雜多變及高頻低幅振動(dòng)環(huán)境下的列車司機(jī)疲勞檢測(cè)和識(shí)別算法，并將疲勞駕駛檢測(cè)與識(shí)別算法移植到以DSP數(shù)字信號(hào)處理芯片為核心的硬件平臺(tái)中。本文的列車司機(jī)疲勞駕駛檢測(cè)與識(shí)別系統(tǒng)開發(fā)分為三個(gè)步驟：
　　 ⑴人臉檢測(cè)算法開發(fā)：研究了Harr-like弱特征與Adaboost算法，完成基于Adaboost算法的人臉分類器訓(xùn)練，提出在人臉檢測(cè)中，加入Canny邊緣檢測(cè)與區(qū)域命中統(tǒng)計(jì)的思想

3、，取得了不錯(cuò)的實(shí)際效果。
　　 ⑵人眼檢測(cè)與狀態(tài)分析算法開發(fā)：首先，訓(xùn)練基于Adaboost算法的人眼檢測(cè)分類器。在分析了利用Hough找圓法與灰度投影法進(jìn)行人眼狀態(tài)分析優(yōu)缺點(diǎn)的基礎(chǔ)上，提出利用區(qū)域灰度特征比較法進(jìn)行人眼狀態(tài)分析，該算法不需要精確的幾何模型，利用基于區(qū)域特征的灰度均值，具有很強(qiáng)的魯棒性，經(jīng)過反復(fù)實(shí)驗(yàn)、參數(shù)調(diào)整，最終獲得了較高的人眼狀態(tài)分析正確率。
　　 ⑶疲勞駕駛檢測(cè)與識(shí)別算法的DSP移植：利用DSP/B