基于計(jì)算機(jī)視覺的疲勞駕駛檢測技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)日新月異的進(jìn)步，交通運(yùn)輸業(yè)也得到了高速的發(fā)展，道路交通事故頻發(fā)成為危害人身和財(cái)產(chǎn)安全的嚴(yán)峻問題。而導(dǎo)致交通事故頻繁發(fā)生的一個重要因素就是疲勞駕駛。因此，開發(fā)一套智能化，高準(zhǔn)確率且設(shè)備結(jié)構(gòu)簡單的實(shí)時疲勞檢測預(yù)警系統(tǒng)具有十分重要的意義。
　　本文在研究大量文獻(xiàn)的基礎(chǔ)上，選擇計(jì)算機(jī)視覺中的機(jī)器學(xué)習(xí)方法進(jìn)行疲勞檢測。本文研究的駕駛員疲勞檢測技術(shù)主要包含三個部分:基于Adaboost算法的人臉檢測方法改進(jìn)，人眼疲勞狀態(tài)的判定，仿

2、真模擬軟件的測試。
　　本文人臉、人眼分類器的訓(xùn)練采用基于Haar特征的Adaboost算法。并針對傳統(tǒng)Adaboost算法訓(xùn)練耗時的缺點(diǎn)，設(shè)計(jì)了一種基于特征裁剪的FTAdaboost算法，算法根據(jù)特征初始化后的錯誤率曲線，按預(yù)分類能力的強(qiáng)弱對第一個拐點(diǎn)前的特征進(jìn)行裁剪，進(jìn)而縮短訓(xùn)練時間。同時在人臉檢測時結(jié)合膚色空間的方法，判斷指定人臉區(qū)域是否滿足膚色特性來對候選人臉窗口進(jìn)行驗(yàn)證，降低了誤檢率。疲勞檢測部分，本文對傳統(tǒng)檢測方法進(jìn)行