基于眼動(dòng)特征的駕駛員疲勞駕駛檢測(cè)技術(shù)研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，國(guó)民消費(fèi)能力逐年提高，汽車數(shù)量的大幅增加給整個(gè)交通系統(tǒng)帶來(lái)了更多的安全隱患，其中，疲勞駕駛已成為導(dǎo)致重大交通事故的主要因素之一。如果能在駕駛員出現(xiàn)疲勞駕駛之前對(duì)駕駛員進(jìn)行及時(shí)的疲勞預(yù)警可以有效地避免交通事故的發(fā)生，這對(duì)于交通安全來(lái)講具有重要意義。
　　本文是基于駕駛員的眼部狀態(tài)特征進(jìn)行一系列的圖像處理方法和算法，主要包含人臉檢測(cè)、人眼定位、眼睛狀態(tài)判別、疲勞狀態(tài)檢測(cè)四大流程，通過(guò)識(shí)別眼睛狀態(tài)并利用PERCL

2、OS的P80標(biāo)準(zhǔn)進(jìn)行疲勞狀態(tài)的檢測(cè)。具體工作內(nèi)容如下：
　　（1）詳細(xì)闡述了基于Adaboost算法的駕駛員人臉檢測(cè)方法，其中包括：Haar特征的選擇和提取、積分圖的計(jì)算、分類器的訓(xùn)練。通過(guò)提取樣本的Haar_like特征對(duì)分類器進(jìn)行訓(xùn)練，將訓(xùn)練出來(lái)的所有弱分類器用于組成強(qiáng)分類器，然后使用強(qiáng)分類器進(jìn)行人臉的定位和檢測(cè)。由于樣本的數(shù)量比較大，為了提高檢測(cè)速度，減少?gòu)?qiáng)分類器的搜索范圍，將每個(gè)訓(xùn)練好的弱分類器先確定好位置，然后再進(jìn)行人臉

3、區(qū)域的檢測(cè)。
　?。?）研究了基于幾何特征的人眼定位方法。根據(jù)眼睛在臉部的幾何分布特征，以及二值化后連通域的分布，計(jì)算每個(gè)連通域的質(zhì)心點(diǎn)，并確定人眼質(zhì)心的位置坐標(biāo)，然后根據(jù)人眼質(zhì)心坐標(biāo)采用雙線性插值法對(duì)傾斜度較大的人臉圖像進(jìn)行矯正，并再次確定人眼的質(zhì)心坐標(biāo)位置。
　?。?）給出了基于PCA主成分析法和灰度投影法兩種方法結(jié)合的人眼狀態(tài)識(shí)別方法。PCA算法是通過(guò)尋找最能代表人眼狀態(tài)的特征空間，對(duì)比樣本圖片和測(cè)試圖片的向量距離，用

4、向量差值作為識(shí)別標(biāo)準(zhǔn)；灰度投影法是通過(guò)人眼灰度分布特點(diǎn)來(lái)確定瞳孔的高度，即通過(guò)計(jì)算單幀圖像人眼瞳孔的高度來(lái)確定眼睛的狀態(tài)。PCA用于前期提取睜眼時(shí)最大灰度值和閉眼時(shí)最小灰度值，然后再使用灰度投影法計(jì)算人眼開(kāi)度，最后根據(jù)疲勞判斷標(biāo)準(zhǔn)進(jìn)行狀態(tài)識(shí)別。
　?。?）在駕駛員疲勞檢測(cè)流程中，采用PERCLOS標(biāo)準(zhǔn)統(tǒng)計(jì)特定時(shí)間段內(nèi)眼睛閉合時(shí)間占特定時(shí)間內(nèi)的百分率，并選用P80作為評(píng)價(jià)指標(biāo)。實(shí)驗(yàn)結(jié)果表明，本文所采用的疲勞檢測(cè)方法具有較好的可靠性和