駕駛員疲勞駕駛檢測(cè)算法的研究.pdf

1、近年來(lái)，隨著世界各國(guó)經(jīng)濟(jì)的飛速發(fā)展，機(jī)動(dòng)車數(shù)量正迅速地增加，而由此導(dǎo)致的道路交通安全事故也引起了大眾足夠的重視。研究表明，當(dāng)處于疲勞狀態(tài)的司機(jī)在駕駛車輛時(shí)，他對(duì)道路形勢(shì)的判斷能力和對(duì)機(jī)動(dòng)車輛的操控能力都會(huì)有很大程度的下降，此種情況則極易發(fā)生重大交通事故。統(tǒng)計(jì)資料顯示，每年發(fā)生的道路安全事故中有一半是由駕駛員的疲勞狀態(tài)導(dǎo)致，由此可以看出，疲勞駕駛已成為道路交通安全的重大威脅之一。本文結(jié)合應(yīng)用數(shù)學(xué)和計(jì)算機(jī)視覺(jué)相關(guān)知識(shí)，建立數(shù)學(xué)模型實(shí)現(xiàn)駕駛員

2、疲勞狀態(tài)的檢測(cè)。
　　本研究的核心內(nèi)容有:眼部重要特征點(diǎn)的定位;三種可以權(quán)衡司機(jī)呆滯狀態(tài)的眼睛參數(shù)的計(jì)算;基于多種信息融合模型的建立。
　　本研究需要檢測(cè)的眼部關(guān)鍵點(diǎn)有:瞳孔中心點(diǎn)、內(nèi)外眼角點(diǎn)和普爾欽光斑中心。在眼角點(diǎn)定位之前首先進(jìn)行USM銳化處理，這樣會(huì)在一定程度上縮小角點(diǎn)檢測(cè)的區(qū)域，然后利用基于紋理信息的Gabor眼角濾波器，在粗定位區(qū)域內(nèi)實(shí)現(xiàn)眼角的精確定位;統(tǒng)計(jì)普爾欽斑點(diǎn)區(qū)域的特征，以此為依據(jù)迭代過(guò)濾得到真正的普爾欽斑

3、點(diǎn)區(qū)域，利用基于最小二乘的圓擬合算法得到其中心坐標(biāo);在此基礎(chǔ)上計(jì)算三種眼部疲勞特征參數(shù)，即眨眼頻率，眼睛持續(xù)閉合時(shí)間和視線偏移角度;使用支持向量機(jī)模型融合上述三種參數(shù)進(jìn)行司機(jī)困倦狀態(tài)的判定。
　　在實(shí)驗(yàn)中，首先設(shè)計(jì)一系列的實(shí)驗(yàn)得到了本文的重要眼睛特征點(diǎn)，然后基于特征點(diǎn)的位置進(jìn)行實(shí)驗(yàn)計(jì)算本文需要的三種疲勞特征參數(shù)，最后進(jìn)行的實(shí)驗(yàn)說(shuō)明了本文方法的優(yōu)越性:以往的檢測(cè)算法只基于一種疲勞特征參數(shù)即眨眼頻率或PERCLOS參數(shù)，識(shí)別率為92％