多特征融合的疲勞駕駛檢測方法研究.pdf

1、隨著社會經(jīng)濟的快速發(fā)展，機動車輛與日俱增，隨之引起的疲勞駕駛事故受到人們的高度重視。國內(nèi)外相關(guān)的交通統(tǒng)計數(shù)據(jù)表明，因疲勞駕駛引發(fā)的交通事故占所有交通事故的比重逐年增加。因此，研究出一種能夠準(zhǔn)確、實時地檢測出駕駛員是否進入疲勞狀態(tài)的方法具有很重要的現(xiàn)實意義和社會意義。
　　在駕駛員疲勞檢測過程中，系統(tǒng)如何準(zhǔn)確、實時地對駕駛員的疲勞狀態(tài)進行判定是關(guān)鍵。然而國內(nèi)外針對駕駛員產(chǎn)生疲勞時的實際情況所研究出的疲勞檢測方法存在檢測器尺度單一，檢

2、測結(jié)果不夠準(zhǔn)確等不足。為解決上述問題，本文利用數(shù)字圖像處理技術(shù)、模式識別技術(shù)以及計算機視覺的相關(guān)算法，提出一種面部多特征融合的疲勞駕駛檢測方法。本文的主要工作分為以下四個方面：
　?。?）疲勞駕駛檢測方法的方案研究。通過分析檢測過程的關(guān)鍵環(huán)節(jié)和預(yù)期目標(biāo)，采用面部疲勞特征融合的設(shè)計思路：首先通過分析駕駛員處于疲勞狀態(tài)下的生理特征，確定出能反映駕駛員疲勞的面部有效特征來進行研究，其次采用模塊化的思想和實驗仿真的理念，將檢測過程分為人臉

3、定位檢測、面部疲勞區(qū)域定位檢測和疲勞狀態(tài)判斷三大模塊，并進行每個模塊的輔助工作。借助 Matlab軟件平臺，實現(xiàn)總體方案的檢測過程與數(shù)據(jù)提取，根據(jù)特征數(shù)據(jù)來綜合判斷駕駛員的疲勞狀態(tài)。
　　（2）駕駛員面部疲勞區(qū)域檢測的方案研究。在研究了駕駛員產(chǎn)生疲勞時的面部特征變化后，選取最具代表性的眼部和嘴部作為檢測對象來判斷疲勞狀態(tài)。通過分析疲勞區(qū)域的檢測過程，設(shè)計出使用 Haar-like特征表示人臉面部特征，積分圖快速計算特征值，AdaB

4、oost級聯(lián)分類器檢測面部疲勞區(qū)域，同時采用“三庭五眼”的分布縮小眼睛和嘴巴區(qū)域定位的檢測方案。并在檢測眼部和嘴部位置時，加入變換檢測窗口尺度的思想，進行多尺度檢測，確保準(zhǔn)確實時地完成面部疲勞區(qū)域的定位檢測。
　?。?）駕駛員眼部區(qū)域的疲勞狀態(tài)判定。針對眼睛產(chǎn)生疲勞時的表象，選用駕駛員眼睛的高寬比來確定眼睛的睜閉狀態(tài)。通過計算每一幀圖像的眼部高寬比值，確定眼部清醒幀和疲勞幀，最后根據(jù)PERCLOS（Percentage of Ey

5、elid Closure Over the Pupil Time，眼部疲勞幀占檢測時間內(nèi)總幀數(shù)的百分比）原理來判斷駕駛員是否進入疲勞狀態(tài)，設(shè)定閾值為0.7，如果PERCLOS值大于該閾值，則判定駕駛員已經(jīng)疲勞。
　?。?）駕駛員嘴部區(qū)域的疲勞狀態(tài)判定。通過分析嘴部產(chǎn)生疲勞時的表象，選用駕駛員嘴部的高寬比來確定是否有打哈欠現(xiàn)象，同時為避免類打哈欠（突然張大嘴等）現(xiàn)象的出現(xiàn)，提出更人性化的嘴部疲勞判別參數(shù)，即相鄰兩次哈欠之間的周期時間

6、 Tyawn。通過計算每一幀圖像的嘴部高寬比值，確定嘴部清醒幀和疲勞幀，統(tǒng)計疲勞幀持續(xù)出現(xiàn)的時間，如果持續(xù)時間超過3s則判定駕駛員有打哈欠現(xiàn)象，并記錄相鄰兩次哈欠之間的周期時間，如果周期時間 Tyawn小于一定閾值，則說明駕駛員在頻繁打哈欠，已經(jīng)進入疲勞狀態(tài)。
　　根據(jù)眼部疲勞參數(shù)和嘴部疲勞參數(shù)綜合對駕駛員是否進入疲勞狀態(tài)進行判定，以避免單一特征的誤判。通過實驗室環(huán)境下的仿真過程和實驗結(jié)果，可以看出本文提出的檢測方法各個模塊均可獨