基于人臉識(shí)別的駕駛?cè)笋{駛時(shí)間的檢測(cè)方法研究.pdf

1、隨著交通運(yùn)輸業(yè)的不斷發(fā)展，運(yùn)輸安全問題引起了越來(lái)越多人的注意。在所有導(dǎo)致交通事故的原因中，疲勞駕駛占有非常大的比重，駕駛?cè)擞捎谄诙霈F(xiàn)的注意力不集中、反應(yīng)速度變慢等問題會(huì)導(dǎo)致在行車過程中發(fā)生不可預(yù)期的交通事故。因此，疲勞檢測(cè)的方法研究成為了新的研究方向。
　　研究發(fā)現(xiàn)，駕駛?cè)说鸟{駛時(shí)間和疲勞有著直接的關(guān)系，各國(guó)對(duì)于駕駛?cè)笋{駛時(shí)間也有著明確的規(guī)定。本文將人臉識(shí)別與駕駛時(shí)間檢測(cè)相結(jié)合，通過檢測(cè)特定駕駛?cè)说鸟{駛時(shí)間，避免了單純檢測(cè)車輛

2、行駛時(shí)間而出現(xiàn)的誤差。
　　本文首先使用Adaboost算法進(jìn)行了人臉檢測(cè)，然后研究了針對(duì)不同光照的圖像預(yù)處理算法，對(duì)比了直方圖規(guī)定化和Gamma校正兩種方法，并對(duì)Gamma校正進(jìn)行改進(jìn)，最終實(shí)現(xiàn)了基于光照分量的Gamma校正算法。
　　在特征提取部分，本文在介紹基于Gabor小波的特征提取算法和基于LBP的特征提取算法基礎(chǔ)上，提出結(jié)合了Gabor小波和LBP的特征提取算法，并在小的人臉庫(kù)上得到了較高的識(shí)別率。另外，本文在較