基于機(jī)器視覺(jué)和握力波動(dòng)的疲勞駕駛研究.pdf

1、在2010年，世界的車(chē)輛總數(shù)已經(jīng)超過(guò)十億，其中美國(guó)2.4億輛、中國(guó)7800萬(wàn)輛。伴隨車(chē)輛的快速增長(zhǎng)隨之而來(lái)的是交通事故的增加。而研究表明其中大約20％的事故與疲勞駕駛有關(guān)。
　　目前關(guān)于駕駛疲勞檢測(cè)的研究方法基本都是應(yīng)用視覺(jué)信號(hào)和腦電、心電、眼電等生理信號(hào)。由于其非接觸性，視覺(jué)檢測(cè)仍然是主流。但是視覺(jué)檢測(cè)目前的研究有一些不足，特別是測(cè)試者在復(fù)雜環(huán)境，例如戴眼鏡或者在光線變化較大，傳統(tǒng)的二值分割等方法準(zhǔn)確度將大打折扣。有文獻(xiàn)表明握力

2、變化也是衡量駕駛疲勞的有效特征之一。因此本文提出將視覺(jué)信號(hào)和握力信號(hào)融合來(lái)檢測(cè)駕駛疲勞，實(shí)驗(yàn)結(jié)果表明相對(duì)于單一視覺(jué)信號(hào)，融合之后的算法檢測(cè)更加準(zhǔn)確。
　　本文主要工作如下：
　　（1）模擬駕駛平臺(tái)和疲勞駕駛檢測(cè)系統(tǒng)的搭建。為了盡可能真實(shí)地模擬實(shí)際駕駛操作，保證疲勞檢測(cè)算法有效性。在硬件方面采用的模擬方向盤(pán)和腳踏板與真實(shí)的駕駛體驗(yàn)幾乎相同，駕駛場(chǎng)景模擬系統(tǒng)的設(shè)計(jì)涵蓋各種天氣和路況。在此基礎(chǔ)上構(gòu)建攝像頭和握力檢測(cè)于一體的疲勞駕駛

3、檢測(cè)系統(tǒng)。
　　（2）經(jīng)壓力傳感器采集到的握力原始信號(hào)表征能力非常有限，首先要對(duì)原始的數(shù)據(jù)進(jìn)行轉(zhuǎn)換和濾波，其中濾波采用實(shí)時(shí)性更好的線性動(dòng)力系統(tǒng)模型平滑方法。預(yù)處理之后在握力的時(shí)域特征中選擇方差作為握力特征。
　?。?）在人臉定位中研究Cascade結(jié)構(gòu)的人臉檢測(cè)器算法，應(yīng)用基于Haar特征的Adaboost算法使得人臉定位更加準(zhǔn)確。所有的視覺(jué)處理算法包括Adaboost和改進(jìn)的主動(dòng)形狀模型均在基于Visual Studio2

4、010的OPENCV中實(shí)現(xiàn)。
　?。?）在定位人臉之后，利用改進(jìn)的主動(dòng)形狀模型來(lái)進(jìn)行人臉77個(gè)特征點(diǎn)的搜索。利用眼睛和嘴部的特征點(diǎn)的高寬比來(lái)定義眼睛閉合度和嘴巴張開(kāi)度。最后分別在戴眼鏡和不戴眼鏡的測(cè)試者驗(yàn)證了算法的精確性和魯棒性。
　?。?）提出了基于人臉和握力特征融合的疲勞駕駛檢測(cè)算法。對(duì)于眼睛閉合度、嘴部張開(kāi)度及握力方差三個(gè)特征輸入進(jìn)行模糊推理系統(tǒng)的設(shè)計(jì)。在滿(mǎn)足規(guī)則的交叉性和一致性方面做了大量的實(shí)驗(yàn)去調(diào)整模糊規(guī)則。在MA