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

1、近年來，公路交通高速蓬勃發(fā)展，相對應(yīng)的交通運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)美國國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致的。因此，研究實時可靠的疲勞駕駛檢測系統(tǒng)刻不容緩，不論是對駕駛員個人還是對整個社會來說都有重要意義。
　　本文深入探討疲勞檢測問題的本質(zhì)，分析國內(nèi)外現(xiàn)有的疲勞檢測算

2、法，對比各種算法的優(yōu)勢以及劣勢，結(jié)合最新研究成果，提出一種基于計算機視覺的、非接觸式的、實時的疲勞駕駛檢測系統(tǒng)。該系統(tǒng)由基于眼部特征檢測的疲勞駕駛檢測子系統(tǒng)以及基于頭部姿態(tài)估計的疲勞駕駛檢測子系統(tǒng)組成。
　　基于眼部特征檢測的疲勞駕駛檢測子系統(tǒng)適用于外部環(huán)境狀況良好的情況。首先采用參數(shù)針對性優(yōu)化的基于Haar-like特征和AdaBoost算法的級聯(lián)分類器進行人臉檢測;其次，通過參數(shù)可變的人臉統(tǒng)計比例模型以及相對應(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個數(shù)比例來確定眼睛狀態(tài)，進而計算PERCLOS（Percent of Eye Closure，眼睛閉合比例）參數(shù)并進行疲勞狀態(tài)的判斷。
　　基于頭部姿態(tài)估計的疲勞駕駛檢測子系統(tǒng)主要針對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)針對性優(yōu)化的基于Haar-like特征和AdaBoost算法的級聯(lián)分類器進行人臉的正臉以及側(cè)臉（如果需要的話）檢測;隨后，將檢測到

4、的結(jié)果歸一化到統(tǒng)一小尺寸，并計算其二階HOG(Histogram ofOriented Gradients，梯度朝向直方圖)特征;最后，使用隨機森林回歸算法估計頭部姿態(tài)，統(tǒng)計實時檢測到的姿態(tài)數(shù)據(jù)與初始清醒狀態(tài)的差值，進而確定疲勞狀態(tài)。
　　由以上兩個子系統(tǒng)組成的疲勞駕駛檢測系統(tǒng)，能夠?qū)崟r的監(jiān)測駕駛員的眼睛狀態(tài)以及頭部姿態(tài)，在實驗室模擬的駕駛環(huán)境下取得了較好的實驗結(jié)果。
　　同時，針對系統(tǒng)設(shè)計過程中發(fā)現(xiàn)的運算效率問題，本文對圖

5、像處理及模式識別領(lǐng)域中非常重要的二維卷積操作的FPGA（Field-Programmable Gate Arrays，現(xiàn)場可編程門陣列）加速算法進行研究。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)計基礎(chǔ)上，提出了改進的循環(huán)可分解結(jié)