駕駛員疲勞駕駛實時檢測系統(tǒng)設(shè)計與研究.pdf

1、隨著汽車持有量的持續(xù)增加和公路級別的不斷提高，全世界的公路交通事故頻繁發(fā)生，交通安全問題日益嚴重。有關(guān)部門調(diào)查結(jié)果顯示，駕駛員疲勞駕駛是導(dǎo)致重大交通事故的主要原因之一。因此研究和設(shè)計一套準確、高效的駕駛員疲勞駕駛檢測系統(tǒng)，及時地對駕駛員進行疲勞駕駛預(yù)警具有重要的意義和實用價值。
　　基于面部特征狀態(tài)的疲勞檢測方法因其具有非接觸性、實時性好、準確性高等優(yōu)點，已經(jīng)成為疲勞檢測的主流研究方向。本文結(jié)合吉林省教育廳“十二五”資助項目（編號

2、：2015097）、吉林省發(fā)改委資助項目（編號：2015Y067），在對國內(nèi)外疲勞駕駛檢測技術(shù)進行了廣泛調(diào)研的基礎(chǔ)上，運用機器視覺、圖像處理、目標檢測及特征提取等技術(shù)對與疲勞有關(guān)的外在生理特征進行檢測和狀態(tài)分析，并依據(jù)相應(yīng)疲勞判斷準則，建立了基于駕駛員面部特征的疲勞駕駛檢測系統(tǒng)。該檢測系統(tǒng)主要包括四個模塊：圖像捕捉模塊、圖像預(yù)處理模塊、特征檢測提取模塊和特征分類識別模塊。本文對其中特征檢測提取和特征分類識別模塊做了重點研究，主要包括駕駛

3、員人臉檢測、人臉跟蹤定位、面部特征檢測與狀態(tài)識別以及基于面部特征的疲勞狀態(tài)識別與分析。
　　本文主要研究內(nèi)容如下：
　　首先，運用計算機、攝像頭、Visual Studio等軟硬件設(shè)備構(gòu)建檢測系統(tǒng)平臺。在對采集的圖像進行預(yù)處理的基礎(chǔ)上，選擇MB-LBP特征作為分類特征，運用AdaBoost算法和級聯(lián)的方法訓(xùn)練人臉分類器，根據(jù)得到分類器進行人臉檢測和定位，實現(xiàn)對駕駛員人臉區(qū)域的實時檢測。針對Camshift跟蹤算法的不足，提出

4、結(jié)合卡爾曼濾波器預(yù)測的Camshift跟蹤算法，實現(xiàn)對人臉區(qū)域的實時跟蹤；
　　其次，使用梯度回歸樹算法，對已標定人臉特征點位置的樣本圖像進行訓(xùn)練，得到人臉模型，使用該模型對檢測出的人臉進行眼睛和嘴巴特征定位。然后使用橢圓擬合算法，設(shè)置閾值判斷眼睛和嘴巴的狀態(tài)，并依照相應(yīng)疲勞判斷準則識別駕駛員的疲勞程度。
　　最后，為驗證所提出的疲勞駕駛檢測算法的準確性，本文在本田家用轎車上進行了疲勞駕駛檢測試驗，通過安置在前擋風玻璃上的帶