基于紅外視頻的駕駛員疲勞檢測研究.pdf

1、近年來,隨著道路交通事業(yè)的迅速發(fā)展以及汽車保有量的不斷增長,交通事故也呈上升趨勢,而疲勞駕駛是交通事故產(chǎn)生的重要原因之一,是當前各國交通安全不容忽視的“隱形殺手”,因此如何有效的檢測及避免疲勞駕駛已成為當前研究的熱點。在眾多疲勞檢測研究中,利用機器視覺的方法進行疲勞檢測具有良好的可操作性和應(yīng)用前景。
　　由于夜間是駕駛員疲勞的多發(fā)階段,因此本文使用了特殊的紅外光源拍攝駕駛員面部圖像,提出一個改進的駕駛員疲勞檢測方法,其主要算法分為

2、四個部分:人臉檢測,人臉跟蹤,人眼檢測和疲勞狀態(tài)識別。主要的研究內(nèi)容如下:
　　(1)人臉檢測與跟蹤,本文提出一種快速二維熵分割算法和區(qū)域連通相結(jié)合的方法進行人臉定位,首先將人臉從背景中分割出來,然后利用人臉在圖像中所占比例較大的特點,進行準確定位。這種人臉檢測方法不僅具有較高的定位精度,而且運算速度較快,能夠滿足實時性要求。同時,本文根據(jù)駕駛員在正常駕駛過程中頭部偏移角度較小的特點,采用改進的Mean-shift算法進行人臉跟蹤

3、,進一步提高系統(tǒng)的檢測速率。
　　(2)人眼檢測是駕駛員疲勞檢測中關(guān)鍵的一步,本文提出一種基于代價敏感支持向量機的人眼檢測方法。在支持向量機中嵌入拒識代價和誤分類代價,該方法繼承了支持向量機對處理小樣本問題的優(yōu)勢,同時克服了傳統(tǒng)分類器不考慮代價因素的缺陷,具有更低的誤檢率,提高了分類器的可靠性。
　　(3)本文根據(jù)PERCLOS原理,采用計算人眼面積的方法,判斷人眼的閉合程度,并統(tǒng)計單位時間內(nèi)人眼閉合幀數(shù)占總幀數(shù)的比例,實時