基于面部信息的駕駛員疲勞檢測(cè)算法研究.pdf

1、隨著汽車保有量的增加，交通安全成為日益嚴(yán)峻的問(wèn)題。疲勞駕駛會(huì)影響駕駛員的警覺(jué)能力、反應(yīng)速度和安全駕駛能力，每年都會(huì)因疲勞駕駛導(dǎo)致大量交通事故。因此，對(duì)駕駛員的駕駛狀態(tài)進(jìn)行檢測(cè)，實(shí)時(shí)評(píng)估其疲勞程度，有助于減少交通事故的發(fā)生。本文對(duì)基于面部信息的駕駛員疲勞檢測(cè)算法進(jìn)行了研究，設(shè)計(jì)了實(shí)時(shí)、有效的駕駛員疲勞檢測(cè)人機(jī)交互界面。本文的主要工作可歸結(jié)如下：
　?。?）人眼和嘴巴的定位及狀態(tài)分析算法研究。針對(duì)積分投影對(duì)人臉佩戴眼鏡、姿態(tài)變化敏感，

2、以及模板匹配算法計(jì)算量過(guò)大等缺點(diǎn)，研究了基于積分投影和模板匹配的人眼定位算法。首先對(duì)檢測(cè)出的人臉區(qū)域進(jìn)行灰度積分投影，并結(jié)合人臉結(jié)構(gòu)特征實(shí)現(xiàn)眉眼區(qū)域的粗定位，然后采用模板匹配算法精確定位人眼，最后對(duì)定位出的眼睛采用OTSU算法進(jìn)行二值化處理，根據(jù)二值化圖像的縱橫黑色像素個(gè)數(shù)比，分析眼睛的狀態(tài)。采用YCbCr顏色空間變換結(jié)合最大連通域?qū)崿F(xiàn)嘴巴輪廓的檢測(cè)，利用Harris算子實(shí)現(xiàn)兩個(gè)嘴角的定位，根據(jù)定位出的嘴巴區(qū)域?qū)捀弑?，分析嘴巴的狀態(tài)。<

3、br>　　（2）人眼和嘴巴的實(shí)時(shí)跟蹤算法研究。研究了基于在線特征選擇的多示例學(xué)習(xí)跟蹤算法，通過(guò)在線Adaboost算法對(duì)選取的弱分類器權(quán)值及樣本特征進(jìn)行加權(quán)，將迭代計(jì)算得到的M個(gè)強(qiáng)分類器進(jìn)行集成，并使用跟蹤結(jié)果中的最優(yōu)特征對(duì)集成的強(qiáng)分類器參數(shù)進(jìn)行更新，實(shí)現(xiàn)分類模型的在線更新。采用常用的跟蹤算法與本文跟蹤算法對(duì)定位出的眼睛和嘴巴進(jìn)行跟蹤效果對(duì)比，根據(jù)跟蹤算法客觀評(píng)價(jià)指標(biāo)中的跟蹤精度、成功率及跟蹤速度，驗(yàn)證了本文跟蹤算法具有較快的跟蹤速度及

4、較好的跟蹤準(zhǔn)確性和魯棒性。
　　（3）基于決策級(jí)的模糊算法疲勞等級(jí)判定。對(duì)實(shí)時(shí)提取的眼睛和嘴巴疲勞特征參數(shù)，采用基于決策級(jí)的模糊算法對(duì)駕駛員疲勞等級(jí)進(jìn)行實(shí)時(shí)判定。通過(guò)與基于眼睛狀態(tài)或嘴巴狀態(tài)單特征疲勞檢測(cè)算法的檢測(cè)效果對(duì)比實(shí)驗(yàn)，驗(yàn)證了本文疲勞等級(jí)判定算法具有較好的實(shí)用性和準(zhǔn)確性。
　　為了驗(yàn)證本文疲勞檢測(cè)算法的準(zhǔn)確性和實(shí)用性，利用羅技720p攝像頭采集實(shí)驗(yàn)室及駕駛室內(nèi)不同光照、復(fù)雜背景等條件下的疲勞和非疲勞狀態(tài)視頻，使用本文