基于視覺的駕駛員疲勞檢測算法研究.pdf

1、隨著物質(zhì)條件的不斷提高，汽車在日常生活中越來越普及。雖然汽車帶給人們很多便利，但是也帶來了越來越多的交通事故，使得廣大家庭和社會遭受巨大傷害和損失。據(jù)統(tǒng)計，在所有的交通事故中，疲勞駕駛導(dǎo)致的事故數(shù)量占了很大的比例。因此，來自不同國家不同領(lǐng)域的眾多研究人員都展開了對駕駛員疲勞檢測的研究，取得了很大成果?？紤]疲勞檢測應(yīng)該同時滿足準(zhǔn)確性、實時性、魯棒性、舒適性的要求，所以本文研究了基于視覺的駕駛員疲勞檢測算法，并驗證了這是一種無接觸的、實時性

2、好的、高準(zhǔn)確性的算法。
　　本文遵從由大到小，逐步縮小定位的原則，采用數(shù)字圖像處理、計算機(jī)視覺和模式識別技術(shù)提取駕駛員眼部特征然后通過結(jié)合PERCLOS疲勞判定標(biāo)準(zhǔn)和眨眼頻率的方法來判定駕駛員是否疲勞。論文所做的主要工作如下:
　　1.采用中值濾波去噪，基于直方圖均衡化和“參考白”結(jié)合的方法進(jìn)行光補(bǔ)償。通過簡單操作對圖像進(jìn)行預(yù)處理，可以使得后續(xù)步驟的處理更加方便，提高了系統(tǒng)的準(zhǔn)確性和魯棒性。
　　2.利用膚色在YCbC

3、r模型中的聚類特性，在原始圖像中提取出人臉候選區(qū)域，減少后續(xù)檢測目標(biāo)區(qū)域，提高系統(tǒng)的速度，實時性更好。
　　3.采用Adaboost算法來檢測人臉區(qū)域，先分別采用Haar特征和LBP特征來訓(xùn)練人臉分類器，然后使用兩種人臉分類器進(jìn)行測試并對比結(jié)果，最終選擇速度更快，效果更好的基于LBP特征的Adaboost分類器。
　　4.基于“三庭五眼”的先驗知識在人臉區(qū)域粗定位人眼，再使用Adaboost人眼分類器進(jìn)行精確定位。然后通過對

4、人眼圖像進(jìn)行Otsu二值分割和形態(tài)學(xué)操作提取到人眼輪廓，再計算出人眼的高寬比，通過高寬比的大小來識別人眼狀態(tài)。
　　5.對提取的人眼特征，采用基于PERCLOS-P80和眨眼頻率相結(jié)合的方法來判定駕駛員是否疲勞，該方法具有準(zhǔn)確度高、實時性好、魯棒性強(qiáng)的優(yōu)點。能夠有效的對駕駛員疲勞狀態(tài)進(jìn)行判定和預(yù)警。
　　本文在VS2013開發(fā)環(huán)境，使用C++語言并結(jié)合OpenCV2.49計算機(jī)視覺庫完成疲勞檢測算法的仿真和實現(xiàn)。通過在駕駛室