融合眼部特征及頭部姿態(tài)的實(shí)時(shí)疲勞駕駛檢測(cè)技術(shù)研究.pdf

1、近年來，公路交通高速蓬勃發(fā)展，相對(duì)應(yīng)的交通運(yùn)輸安全特別是駕駛安全問題日益受到廣泛關(guān)注。在世界范圍內(nèi)，每年由交通事故造成的死亡人數(shù)占據(jù)了很大的比例，并且逐年遞增。據(jù)美國(guó)國(guó)家公路交通安全管理局(NHTSA)的調(diào)查數(shù)據(jù)顯示，在每年的交通事故中，有很大一部分是駕駛員疲勞駕駛導(dǎo)致的。因此，研究實(shí)時(shí)可靠的疲勞駕駛檢測(cè)系統(tǒng)刻不容緩，不論是對(duì)駕駛員個(gè)人還是對(duì)整個(gè)社會(huì)來說都有重要意義。
　　本文深入探討疲勞檢測(cè)問題的本質(zhì)，分析國(guó)內(nèi)外現(xiàn)有的疲勞檢測(cè)算

2、法，對(duì)比各種算法的優(yōu)勢(shì)以及劣勢(shì)，結(jié)合最新研究成果，提出一種基于計(jì)算機(jī)視覺的、非接觸式的、實(shí)時(shí)的疲勞駕駛檢測(cè)系統(tǒng)。該系統(tǒng)由基于眼部特征檢測(cè)的疲勞駕駛檢測(cè)子系統(tǒng)以及基于頭部姿態(tài)估計(jì)的疲勞駕駛檢測(cè)子系統(tǒng)組成。
　　基于眼部特征檢測(cè)的疲勞駕駛檢測(cè)子系統(tǒng)適用于外部環(huán)境狀況良好的情況。首先采用參數(shù)針對(duì)性優(yōu)化的基于Haar-like特征和AdaBoost算法的級(jí)聯(lián)分類器進(jìn)行人臉檢測(cè);其次，通過參數(shù)可變的人臉統(tǒng)計(jì)比例模型以及相對(duì)應(yīng)的圖像處理操作定

3、位虹膜;最后，使用可視虹膜在其最小外接圓中所占的比例代替像素點(diǎn)個(gè)數(shù)比例來確定眼睛狀態(tài)，進(jìn)而計(jì)算PERCLOS（Percent of Eye Closure，眼睛閉合比例）參數(shù)并進(jìn)行疲勞狀態(tài)的判斷。
　　基于頭部姿態(tài)估計(jì)的疲勞駕駛檢測(cè)子系統(tǒng)主要針對(duì)面部特征不清晰或者環(huán)境干擾比較大的情況。該系統(tǒng)首先采用參數(shù)針對(duì)性優(yōu)化的基于Haar-like特征和AdaBoost算法的級(jí)聯(lián)分類器進(jìn)行人臉的正臉以及側(cè)臉（如果需要的話）檢測(cè);隨后，將檢測(cè)到

4、的結(jié)果歸一化到統(tǒng)一小尺寸，并計(jì)算其二階HOG(Histogram ofOriented Gradients，梯度朝向直方圖)特征;最后，使用隨機(jī)森林回歸算法估計(jì)頭部姿態(tài)，統(tǒng)計(jì)實(shí)時(shí)檢測(cè)到的姿態(tài)數(shù)據(jù)與初始清醒狀態(tài)的差值，進(jìn)而確定疲勞狀態(tài)。
　　由以上兩個(gè)子系統(tǒng)組成的疲勞駕駛檢測(cè)系統(tǒng)，能夠?qū)崟r(shí)的監(jiān)測(cè)駕駛員的眼睛狀態(tài)以及頭部姿態(tài)，在實(shí)驗(yàn)室模擬的駕駛環(huán)境下取得了較好的實(shí)驗(yàn)結(jié)果。
　　同時(shí)，針對(duì)系統(tǒng)設(shè)計(jì)過程中發(fā)現(xiàn)的運(yùn)算效率問題，本文對(duì)圖

5、像處理及模式識(shí)別領(lǐng)域中非常重要的二維卷積操作的FPGA（Field-Programmable Gate Arrays，現(xiàn)場(chǎng)可編程門陣列）加速算法進(jìn)行研究。在現(xiàn)有的FB（Full Buffering，完全緩沖）、SWPB（Single-Window Partial Buffering，單窗口部分緩沖）以及MWPB(Multi-Window Partial Buffering，多窗口部分緩沖)結(jié)構(gòu)的卷積器設(shè)計(jì)基礎(chǔ)上，提出了改進(jìn)的循環(huán)可分解結(jié)