駕駛員疲勞狀態(tài)檢測技術(shù)研究與工程實現(xiàn).pdf

1、駕駛員的疲勞駕駛往往是頻繁發(fā)生的道路交通事故的主要原因之一，因此對駕駛員的疲勞狀態(tài)進(jìn)行實時檢測，減少由疲勞駕駛引發(fā)的交通事故，有著重要的現(xiàn)實意義。本文利用機(jī)器視覺技術(shù)對駕駛員人臉進(jìn)行圖像分析，提取多個有效的駕駛員疲勞特征信息，結(jié)合模糊邏輯與人工神經(jīng)網(wǎng)絡(luò)技術(shù)對駕駛員疲勞狀態(tài)進(jìn)行檢測與預(yù)警，取得了較好的效果。本文的主要研究工作和貢獻(xiàn)在于： (1)對疲勞及駕駛疲勞的形成過程進(jìn)行了分析，建立了基于人-車-環(huán)境的駕駛員疲勞分析系統(tǒng)。根據(jù)駕

2、駛行為S-O-R理論，建立了駕駛行為過程模式，并在此基礎(chǔ)上，建立了以人為中心的駕駛疲勞行為模式。 (2)從心理學(xué)、生理學(xué)及行為科學(xué)等角度對駕駛員疲勞的機(jī)理進(jìn)行了分析。駕駛員操縱車輛的動作是駕駛行為，而駕駛員駕車時腦中所思、所想、所感等則是駕駛心理。研究表明，人體晝夜覺醒水平的變化規(guī)律與駕駛員疲勞引發(fā)的駕駛事故的時間分布是完全一致的。 (3)從駕駛時間，駕駛速度、駕駛環(huán)境、身體狀況、道路狀況等因素對駕駛疲勞的影響進(jìn)行了分析

3、，得出：隨著駕駛時間增長，各個因素對駕駛員疲勞的影響加劇；中斷后，具有可恢復(fù)性。 (4)提出了一種基于投影和分塊復(fù)雜度的眼睛定位方法。首先采用由粗到細(xì)的兩級定位策略，根據(jù)人臉圖像的投影定出人眼的大致區(qū)域；然后將此區(qū)域分割成若干小塊，找出復(fù)雜度最大的幾個小塊，建立判定規(guī)則，排除非眼睛的小塊，剩下的兩塊即為左右眼睛。 (5)提出了基于顏色和紋理復(fù)合特征的雙狀態(tài)人眼跟蹤算法。該算法的要點在于對計算所得的人眼睜開狀態(tài)的權(quán)重附加了

4、一個判定準(zhǔn)則，即當(dāng)本輪粒子更新時的最大粒子概率小于某個閾值Pmin時認(rèn)為該輪更新無效，在試驗中我們?nèi)min=0.65，取得了較好的跟蹤效果。 (6)提出了基于Gabor小波濾波器的人眼紋理特征提取的計算方法。通過將Gabor小波濾波器提取的人眼紋理特征向量送入RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)、分類，輸出值設(shè)定為0，1，2，3，4，分別對應(yīng)眼睛五種閉合程度狀態(tài)0％，25％，50％，75％，100％，可以簡單方便的計算參數(shù)PERCLOS和A

5、ECS的值。 (7)通過對多種人臉識別方法進(jìn)行比較分析，提出采用Hopfield神經(jīng)網(wǎng)絡(luò)進(jìn)行駕駛員疲勞檢測時的人臉識別方法。 (8)針對實時駕駛員疲勞狀態(tài)檢測的要求，建立了以DM642為核心處理器的實時圖像采集、處理硬件系統(tǒng)。利用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，將駕駛員疲勞視覺特征參數(shù)進(jìn)行有機(jī)融合，提出了新的駕駛員疲勞狀態(tài)檢測方法。 本文的主要創(chuàng)新點如下： (1)提出了一種基于投影和分塊復(fù)雜度的眼睛定位方法。

6、(2)提出了基于顏色和紋理復(fù)合特征的雙狀態(tài)人眼跟蹤算法 (3)用Gabor小波濾波器提取人眼的紋理特征，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)分類方法，簡化了PERCLOS和AECS值的計算。 (4)提出了將模糊神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到駕駛員疲勞實時檢測系統(tǒng)中的新的疲勞檢測方法。首先利用計算機(jī)視覺技術(shù)對在行車過程中的駕駛員表情變化、眨眼變化、眼動變化及視線變化等進(jìn)行監(jiān)控，從監(jiān)控所得圖像數(shù)據(jù)中提取PERCLOS、AECS、NodFreq、YawnF