基于人臉特征融合的疲勞檢測方法研究.pdf

1、隨著汽車產業(yè)的發(fā)展以及公路建設的加快，道路交通安全問題日益突出。交通事故的發(fā)生給國家和社會造成了巨大的經濟損失，給人們帶來了身體和心理上的雙重傷害。研究表明，疲勞駕駛是造成事故發(fā)生的主要原因之一，因此，對駕駛員的疲勞狀態(tài)進行檢測是非常必要的。本文以靜止攝像頭采集到的駕駛員駕駛時的視頻為研究對象，利用相應的視覺算法和數字圖像處理方法，判斷駕駛員的疲勞狀態(tài)。
　　本文研究了駕駛員疲勞檢測系統(tǒng)，依據該系統(tǒng)功能，設計了系統(tǒng)框架和總體的流程

2、，并對系統(tǒng)的每一部分設計了相應的算法。駕駛員疲勞檢測系統(tǒng)主要分為人臉檢測、特征提取和疲勞判斷三部分。首先對采集到的圖像進行灰度化、去噪和光照補償等預處理，然后利用背景差分法提取出駕駛員頭部運動區(qū)域。人臉檢測部分，在分析常用的檢測方法的基礎上，采用基于Haar-like特征的AdaBoost算法進行人臉檢測，該算法利用樣本訓練得到的分類器進行檢測，提高了檢測的效率和準確率；在特征提取方面，分別介紹了眼睛狀態(tài)提取和嘴巴狀態(tài)提取，在提取眼睛時

3、，首先介紹了幾種常用的方法，然后提出先對上半部分人臉圖像進行二值化，再采用積分投影和模板匹配的方法提取眼睛特征的方法，該方法能夠快速準確的提取出眼睛的特征，在提取嘴巴時，先利用邊緣檢測增強嘴部輪廓，然后做二值化提取嘴部特征；在疲勞判定部分，首先分別介紹了利用眼睛特征和利用嘴部特征進行疲勞判斷的方法，然后提出對這兩種特征進行融合來判斷疲勞狀態(tài)的方法，提高了檢測的正確率。
　　本文對以上算法在VC++開發(fā)環(huán)境下進行了實驗，實驗結果證明