基于面部特征的駕駛員疲勞檢測(cè).pdf

1、在交通事故中，因駕駛員的疲勞引發(fā)的車(chē)禍占有相當(dāng)大的比例。因此，駕駛員疲勞的檢測(cè)日益受到人們的關(guān)注。目前為止，雖然對(duì)疲勞檢測(cè)方法已進(jìn)行了許多研究，但仍然有2個(gè)問(wèn)題需要解決，第一是由于駕駛員的所處的特定環(huán)境會(huì)受光線干擾方面嚴(yán)重的制約，第二是用單一的指標(biāo)很難判定疲勞問(wèn)題，而需要一個(gè)綜合指標(biāo)來(lái)評(píng)價(jià)。因此，對(duì)駕駛員疲勞的檢測(cè)問(wèn)題目前尚沒(méi)有真正解決，離實(shí)際真正應(yīng)用還有距離。 駕駛員疲勞最大的變化是眼睛的異常開(kāi)閉，但同時(shí)在臉部也會(huì)發(fā)生變化，因

2、此有效的檢測(cè)駕駛員疲勞，關(guān)鍵是如何提高駕駛員在不同的背景下人臉和眼睛的識(shí)別與檢測(cè)效率，并根據(jù)它們的變化規(guī)律檢測(cè)疲勞狀態(tài)。 本文的主要工作與成果如下： 1.本文對(duì)駕駛員疲勞檢測(cè)進(jìn)行了文獻(xiàn)綜述，提出了眼睛檢測(cè)為主，臉部變化為輔的駕駛員疲勞檢測(cè)的實(shí)現(xiàn)框架。 2.針對(duì)彩色圖像，提出了一種基于YCbCr色彩空間的“分級(jí)別光照補(bǔ)償+自適應(yīng)閾值選取”的膚色分割方法。采用了一種自適應(yīng)的光照補(bǔ)償方法，根據(jù)光照的不同級(jí)別，進(jìn)行光照補(bǔ)

3、償。然后建立膚色模型，生成膚色相似度圖像，進(jìn)而使用自適應(yīng)閾值的方法對(duì)膚色區(qū)域進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明，該膚色分割方法能有效克服使用固定閾值進(jìn)行分割的缺陷。 3.針對(duì)灰度圖像，采用基于幾何特征和級(jí)聯(lián)增強(qiáng)分類(lèi)器法，即“Haar特征值+AdaBoost”分類(lèi)器的方法，對(duì)駕駛員的人臉進(jìn)行檢測(cè)，并在AdaBoost對(duì)弱分類(lèi)器的選取方面提出了一種AdaBoost快速訓(xùn)練的方法，對(duì)更新分類(lèi)器權(quán)重算法做了改進(jìn)，解決了基于AdaBoost的人臉檢測(cè)

4、算法中訓(xùn)練非常耗時(shí)的問(wèn)題。 4.在對(duì)眼睛的定位及判斷狀態(tài)問(wèn)題上，本文提出了一種基于“無(wú)跡”卡爾曼濾波（Unscented Kalman filter）的方法對(duì)駕駛員人眼進(jìn)行跟蹤。運(yùn)用了幾何特征和投影方法來(lái)定位人眼，從而駕駛員疲勞可以根據(jù)眼睛連續(xù)閉合超過(guò)5幀來(lái)判定。實(shí)驗(yàn)結(jié)果表明，此眼睛檢測(cè)跟蹤方法可以在不同的環(huán)境下取得較好的效果。 5.加入了嘴巴打哈欠狀態(tài)來(lái)綜合判定駕駛員的疲勞狀態(tài)，利用嘴巴的寬高比及打哈欠的持續(xù)時(shí)間來(lái)判斷