基于人眼狀態(tài)的駕駛員疲勞檢測(cè)技術(shù)研究.pdf

1、疲勞駕駛是當(dāng)前交通事故發(fā)生的主要原因之一，是一個(gè)重大的社會(huì)問(wèn)題?；谟?jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)，是一種車載、實(shí)時(shí)、非接觸的疲勞檢測(cè)技術(shù)，已經(jīng)成為當(dāng)前研究的一個(gè)熱點(diǎn)。
　　 本文研究的主要內(nèi)容包括：人臉檢測(cè)、人眼定位、眼睛特征提取和狀態(tài)識(shí)別、疲勞程度的計(jì)算等算法的原理及實(shí)現(xiàn)。
　　 首先詳細(xì)闡述了經(jīng)典的AdaBoost算法，該算法涉及的內(nèi)容包括Haar-Like特征，弱分類器，級(jí)聯(lián)的AdaBoost分類器等。然后利用AdaB

2、oost算法進(jìn)行人臉檢測(cè)，在檢測(cè)到人臉后，結(jié)合人臉的“三庭五眼”結(jié)構(gòu)確定人眼的大致區(qū)域，再進(jìn)一步使用該算法在這個(gè)區(qū)域內(nèi)進(jìn)行人眼檢測(cè)。實(shí)驗(yàn)表明，該方法能夠有效地提高人眼檢測(cè)的速度，從而可以更好地滿足系統(tǒng)實(shí)時(shí)性的要求。
　　 雖然AdaBoost算法的檢測(cè)速度快，誤識(shí)率低，但是在樣本的權(quán)重更新過(guò)程中，對(duì)于分類錯(cuò)誤樣本中的正、負(fù)樣本沒(méi)有加以區(qū)分，不利于提高正樣本的識(shí)別率。本文提出一種新的權(quán)重更新方法，對(duì)于分類錯(cuò)誤的樣本，對(duì)判斷錯(cuò)誤的正