基于視頻監(jiān)控的職業(yè)駕駛員行為分析及預警研究.pdf

1、隨著公共交通工具數(shù)量的快速增長，職業(yè)駕駛員在行車安全方面面臨著嚴峻的挑戰(zhàn)。數(shù)據(jù)表明，職業(yè)駕駛員不良駕駛行為（疲勞、抽煙、打電話等）是導致重大交通事故發(fā)生的主要原因之一。如何有效檢測不良駕駛行為，避免交通事故的發(fā)生成為當前亟待解決的重大問題。傳統(tǒng)基于駕駛員生理信號監(jiān)測屬于侵入式監(jiān)測方法，會對駕駛員駕駛造成干擾。因此，本文從計算機視覺領(lǐng)域出發(fā)，通過車載相機獲取駕駛員數(shù)據(jù)，利用機器視覺算法實時監(jiān)測分析職業(yè)駕駛員駕駛行為。
　　本文研究基

2、于視頻監(jiān)控的駕駛員行為分析方法，在駕駛員人臉檢測基礎上，首先提出基于監(jiān)督下降方法(SDM，Supervised Descent Method)的駕駛員面部關(guān)鍵點檢測算法，定位駕駛員眼部和嘴部區(qū)域。其次提出基于支持向量機(SVM，Support Vector Machine)的駕駛員行為分類算法進行駕駛員駕駛狀態(tài)判斷。本文主要研究工作和創(chuàng)新點有
　　1.采用Adaboost級聯(lián)分類器算法進行駕駛員人臉檢測和打電話檢測研究，利用大量標

3、注的駕駛員人臉樣本和開源人臉數(shù)據(jù)庫，訓練駕駛員專屬人臉檢測器，解決實際駕駛的環(huán)境因素和人為因素對駕駛員人臉檢測造成的干擾。
　　2.提出SDM的人臉關(guān)鍵點檢測算法進行駕駛員面部關(guān)鍵點定位，解決駕駛員眼睛區(qū)域和嘴部區(qū)域的定位難題。同時提出駕駛員面部關(guān)鍵點跟蹤算法，加速人臉關(guān)鍵點定位。提出了基于支持向量回歸(SVR，Support Vector Regression)的人臉關(guān)鍵點有效性衡量方法，實現(xiàn)面部關(guān)鍵點有效性衡量。
　　3

4、.提出SVM的駕駛員行為分類方法，提取眼部區(qū)域和嘴部區(qū)域的特征，根據(jù)對應SVM駕駛員行為分類器，獲得駕駛員眼睛狀態(tài)、打哈欠狀態(tài)和抽煙狀態(tài)。結(jié)合PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)疲勞衡量方法，實時監(jiān)測駕駛員異常駕駛行為。
　　本文在HELEN數(shù)據(jù)庫和AFLW數(shù)據(jù)庫上完成了人臉關(guān)鍵點檢測和跟蹤實驗，通過對比6種關(guān)鍵點檢測算法，驗證了基于SDM人臉