基于眼睛與頭部狀態(tài)的疲勞檢測系統(tǒng)設計.pdf

1、近年來，交通事故頻發(fā)，疲勞駕駛作為交通事故產(chǎn)生的重要原因之一，造成了巨大的人員傷害和經(jīng)濟損失。但是人們往往對醉酒駕駛的關注程度較高，而常常忽略了疲勞駕駛帶來的嚴重后果。因此，如何采用有效的方法去減少疲勞駕駛帶來的交通事故具有重要的現(xiàn)實意義。
　　本文在分析國內(nèi)外疲勞檢測研究現(xiàn)狀的基礎上，為進一步提高疲勞檢測的準確率，設計了基于眼睛與頭部狀態(tài)（左偏、右偏、抬頭和點頭）的疲勞檢測系統(tǒng)。實現(xiàn)了對駕駛員在行車過程中的駕駛狀態(tài)進行實時監(jiān)測，

2、并綜合評判駕駛員疲勞狀況，及時有效的報警提醒。本文主要研究內(nèi)容如下:
　　(1)考慮到駕駛過程中光照和噪聲的影響，論文采用中值濾波去噪、直方圖均衡化進行光照補償，通過圖像預處理，保障后續(xù)人臉檢測準確性。分析常用的Adaboost人臉檢測與Seetaface檢測方法，對兩種方法分別進行速度、準確率等方面的對比分析，最終論文選擇效果好、速度快的Seetaface檢測算法進行人臉檢測。
　　(2)在人臉檢測的基礎上，進行人臉跟蹤與

3、優(yōu)化，提高檢測速度。根據(jù)幾何特征進行特征點粗定位，使用人臉對齊模塊進行面部特征點的精確定位，包括雙眼、鼻尖和兩個嘴角。對于提取的人眼特征，進行圖像自適應二值化和形態(tài)學運算，計算人眼區(qū)域黑色像素點的百分比，結合PERCLOS準則，判斷眼睛的睜閉狀態(tài)。在檢測到眼睛狀態(tài)變化的基礎上，同時檢測頭部姿態(tài)的變化，從而判斷駕駛員的疲勞程度，進行報警提醒。
　　(3)通過攝像頭采集視頻，在PC上進行算法設計和優(yōu)化的實驗驗證。并在ARM平臺搭建了嵌