眼睛跟蹤及駕駛員疲勞檢測之研究.pdf

1、本論文主要描述一個利用多層感知器網(wǎng)絡(MLP)來判別駕駛員是否疲勞的安全報警系統(tǒng)(DrowsinessWarningSystem)。駕駛員在長途駕駛或精神不佳的狀態(tài)時，會在臉部表現(xiàn)出很多的可視信息，例如，眨眼率減低，眼睛開度減小，頻繁的點頭，打哈欠，眼睛游動加快，等等。在這樣的情況下，便產(chǎn)生了潛在的肇事危機。本文采用了一種無接觸的監(jiān)督方法來檢測駕駛員眼球的視線方向。即：通過安裝在儀表板上的攝像機，采集圖像序列，利用圖像的小波變換、熵分析

2、等技巧由圖像中抽取出駕駛員的臉部及眼睛位置，在此基礎上統(tǒng)計眼球的視線方向，再由此判斷疲勞程度，當疲勞時予以報警。 本系統(tǒng)采用了熵分析結合粒子過濾器模型的方法對眼球進行跟蹤，該方法能實時準確地對眼睛進行定位。本文主要的工作是： (1)系統(tǒng)的總體設計：該系統(tǒng)分為兩個階段：ROI的獲取和疲勞檢測。在系統(tǒng)中，人臉的檢測和眼睛的跟蹤是一個關鍵步驟。人臉檢測首先在第一幀中全局搜索感興趣目標，同時移除外部照明環(huán)境的干擾。在跟蹤失敗時，

3、重新開始新一輪的目標檢測。眼睛跟蹤則是在前一幀的基礎上，局部搜索感興趣的目標，以確定雙目的位置。 (2)人臉檢測方法：采用了一種基于熵分析Adaboost人臉檢測方法。在對訓練集進行訓練之后，獲得判定樹模型。再由輸入特征的似然比來檢測人臉。實驗表明，這種方法能對不同姿勢的人臉進行有效的定位且實時響應速度快。 (3)眼睛跟蹤算法：在檢測的人臉區(qū)域，采用自適應超狀態(tài)粒子過濾器算法實時地跟蹤眼睛。近年來，粒子過濾器(Parti

4、cleFilter)或者稱為條件密度傳播算法在混亂場合對目標進行實時跟蹤時，表現(xiàn)出良好的性能。傳統(tǒng)的卡爾曼濾波器，局限于高斯概率分布。而粒子過濾器可以描述多峰的復雜概率分布。其主要思想是，采用一系列的粒子表示目標的狀態(tài)，再按照“適者生存”法則進行進化，估計狀態(tài)的后驗分布。本文采用算法的特點是，運用自回歸的系統(tǒng)模型來預測雙目的狀態(tài)，采用熵分析確定眼睛類別以確定子代的繁衍。同時，相關的技術被用來處理遮擋情況，以及對眼睛進入和離開場景做出判斷