基于視頻信號機車駕駛員疲勞檢測系統(tǒng)研究.pdf

1、鐵路運輸作為目前世界范圍內的主要運輸方式之一,對于經濟建設起到的作用是顯而易見的。因而能否保證鐵路運輸安全、有序、高效的運轉就顯得很重要。由于鐵路是軌道交通的特殊性,且機車速度較快,故發(fā)生事故時將會對車上旅客的生命和財產造成極大傷害和損失。而導致事故原因中,由于駕駛員的駕駛狀態(tài)不佳,導致操作事故已經成為引發(fā)事故的一項主要因素。
　　本文是針對機車駕駛員駕駛畫面的視頻信號進行采集,并通過對視頻信號進行實時進行人臉定位,進而進行人眼的

2、定位,并且實時分析其當前的駕駛狀態(tài)。如果發(fā)現駕駛員已經處于疲勞或者說離開工作應在位置的時候進行報警。以減少由于駕駛員本身疲勞的原因造成的事故,進而減少甚至避免在鐵路運輸過程中所出現的生命財產損失。
　　本文詳細分析了目前應用比較廣泛的人臉識別方法和算法,進行分析后采用了如下方法:
　　首先詳細的分析所采用的AdaBoost算法的人臉定位,構建一個基于OpenCV數據庫的彩色的動態(tài)人臉識別跟蹤系統(tǒng)為框架,并對追蹤到的人臉部進行

3、分析得到人眼的信息并進行定位。而后分析人眼在視頻中的狀態(tài),通過機器算法訓練得到駕駛員精神狀態(tài)駕駛的臉部,尤其是眼部駕駛習慣。用后續(xù)的駕駛畫面分析進行實時的比對的到當前的駕駛員的駕駛狀態(tài)是否符合我們設定的疲勞標準。
　　本文主要研究了基于膚色的人臉檢測方法和AdaBoost算法。從Haar形狀特征矩形的定義開始,介紹了弱分類器如何組成強分類器的過程。而后通過對強分類器級聯,組成級聯分類器進行人臉定位,大大節(jié)省了時間,加快了運算速度。

4、Camshift算法的結合進來達到對運動中圖像人臉的跟蹤。并且通過實驗結果表明這種結合算法適合于不同人臉,在光照射不同情況下的人臉識別。而且不同姿勢情況的人臉也能夠被識別到。通過實驗,表情變化及部分臉被遮擋的時候也可以進行檢測和追蹤。并且檢測成功率較高。
　　運用眼睛模板匹配方法及PCA方法進行眼睛的識別和定位,而后選擇可變步長的方法達到動態(tài)中找到眼睛的位置。實際檢測當中,能夠做到各種正常情況下的人眼定位的功能?；緦崿F了疲勞檢測