用于檢測(cè)駕駛疲勞的人眼狀態(tài)檢測(cè)研究.pdf

1、隨著社會(huì)的不斷發(fā)展與進(jìn)步，機(jī)動(dòng)車(chē)的數(shù)量快速增長(zhǎng)，隨之而來(lái)的是交通事故的發(fā)生率也大大提高。據(jù)統(tǒng)計(jì)，在各種交通事故中，由于疲勞駕駛而引發(fā)的占到事故總數(shù)的10％到20％，在高速公路的長(zhǎng)途運(yùn)輸車(chē)輛的事故中更有高達(dá)50％以上是由疲勞駕駛引起的。
　　 因此，如何能夠快速有效并且在盡可能不影響駕駛員駕駛行為的情況下檢測(cè)其疲勞狀態(tài)稱(chēng)為當(dāng)今研究的熱點(diǎn)之一。在各種疲勞檢測(cè)方法中，基于機(jī)器視覺(jué)的PERCLOS參數(shù)測(cè)量的方法是目前得到公認(rèn)的有效且無(wú)干

2、擾的方法。計(jì)算PERCLOS參數(shù)的關(guān)鍵是準(zhǔn)確地判斷人眼狀態(tài)（睜眼和閉眼）。
　　 基于以上考慮，為了測(cè)試和評(píng)價(jià)各種人眼狀態(tài)檢測(cè)算法，本文首先利用人眼定位程序構(gòu)建了人眼數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)中圖像主要由兩部分組成，一部分來(lái)自CAS-PEAL、IMM、Georgia Tech、ORL、BIO、Yale等人臉數(shù)據(jù)庫(kù)，另一部分是采集的周?chē)?0位同學(xué)的圖像。為了保證數(shù)據(jù)庫(kù)樣本的豐富性，花費(fèi)了大量精力挑選滿(mǎn)足不同測(cè)試條件的圖像。最終構(gòu)建的人眼數(shù)據(jù)庫(kù)

3、包含1268個(gè)測(cè)試對(duì)象的10610幅圖像，基本滿(mǎn)足了評(píng)價(jià)算法性能的需要。
　　 構(gòu)建人眼數(shù)據(jù)庫(kù)之后，本文實(shí)現(xiàn)了基于Hough變換的方法、動(dòng)態(tài)模板匹配法和基于局部二值模式特征的Adaboost方法共三種人眼狀態(tài)檢測(cè)方法。在數(shù)據(jù)庫(kù)和視頻上對(duì)包括似圓比算法在內(nèi)的四種算法進(jìn)行了測(cè)試，評(píng)價(jià)了每種算法的檢測(cè)性能。
　　 其中基于局部二值模式特征的Adaboost方法是本文研究的重點(diǎn)。文中詳細(xì)給出了人眼狀態(tài)檢測(cè)分類(lèi)器的訓(xùn)練過(guò)程，并總結(jié)