基于眼睛狀態(tài)判斷的疲勞檢測.pdf

1、隨著汽車在國內(nèi)的大量普及，給人們的工作和生活帶來了極大的方便。然而，參差不齊的駕駛水平、淡薄的交通安全意識，導(dǎo)致國內(nèi)每年發(fā)生的交通事故數(shù)量居高不下，給國家?guī)砹司薮蠼?jīng)濟(jì)損失，給家庭帶來無盡痛苦。經(jīng)研究發(fā)現(xiàn)，在眾多的交通事故中，因駕駛員疲勞而導(dǎo)致的事故占相當(dāng)大的比例。疲勞駕駛已成為交通安全的一大隱患，如何有效檢測疲勞駕駛已成為交通安全領(lǐng)域的一個熱點問題。
　　本文圍繞駕駛員眼睛狀態(tài)判斷，通過檢測眼睛睜閉狀態(tài)和頭部姿態(tài)判斷駕駛員是否處

2、于疲勞狀態(tài)，并對檢測功能進(jìn)行跨平臺應(yīng)用開發(fā)，將檢測算法移植到嵌入式終端，把理論算法轉(zhuǎn)化為可實際應(yīng)用的設(shè)備。首先介紹了Haar人臉檢測分類器的理論基礎(chǔ)和訓(xùn)練方法，然后在Haar分類器檢測到的人臉上進(jìn)行眼睛檢測。在人眼狀態(tài)檢測方面，經(jīng)過對各類檢測方法的效果和速度進(jìn)行橫向比較，最終選擇了基于LBP算法的檢測方法。該方法在人眼定位和睜閉狀態(tài)判斷上具有較好的表現(xiàn)，使用樣本圖像的LBP矩陣檢測眼睛位置，再使用匹配數(shù)值判斷睜閉狀態(tài)，檢測速度快，適合于

3、嵌入式終端運(yùn)行。在檢測到眼睛狀態(tài)以及頭部姿態(tài)后，根據(jù)各種狀態(tài)的持續(xù)時間判斷人員的疲勞狀態(tài)，發(fā)現(xiàn)疲勞狀態(tài)立刻進(jìn)行疲勞預(yù)警。實驗結(jié)果表明，基于LBP算法的檢測方法對于人臉正面或偏角不大的側(cè)面人臉的疲勞狀態(tài)具有較好的識別能力，并且對于光線強(qiáng)度的變化具有較好的適應(yīng)性，經(jīng)過在實際不同光線環(huán)境的汽車內(nèi)測試，對于疲勞狀態(tài)的正確識別率達(dá)到了90％以上。程序被移植到硬件配置低、運(yùn)行速度慢的嵌入式終端后，經(jīng)過對程序多方面速度優(yōu)化，嵌入式終端的最快處理速度達(dá)