基于人臉特征識(shí)別的疲勞駕駛預(yù)警系統(tǒng).pdf

1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展,機(jī)動(dòng)車輛與日俱增,道路交通事故頻發(fā),死亡人數(shù)一直居高不下。疲勞駕駛是引發(fā)頻繁的交通事故的主要因素之一。因此,如何有效的監(jiān)測和防止駕駛員疲勞駕駛,對(duì)于避免交通事故,提高交通安全性有著重要意義。基于機(jī)器視覺的疲勞檢測,在實(shí)時(shí)性、非接觸性以及全天候等方面有更大的優(yōu)勢,所以它成為疲勞檢測的一個(gè)主要方法。
　　 本文在研究了國內(nèi)外相關(guān)研究的基礎(chǔ)上,設(shè)計(jì)了一套改進(jìn)的疲勞監(jiān)測系統(tǒng),該系統(tǒng)體積小、便于安裝,可以滿足全天候、實(shí)

2、時(shí)監(jiān)測的要求。本文主要研究內(nèi)容如下:
　　 (1)研究總結(jié)現(xiàn)有的人臉檢測方法,選用AdaBoost算法作為人臉和人眼檢測定位方法。實(shí)驗(yàn)表明,本文的方法增強(qiáng)了分類器的分類能力,提高了系統(tǒng)的正確檢測率,降低了錯(cuò)誤報(bào)警率。并且提出了一種新的采用局部特征改進(jìn)算法進(jìn)行眼睛特征的提取。大量的實(shí)驗(yàn)表明這種方法能夠準(zhǔn)確地定位眼睛和檢測眼睛的疲勞狀態(tài)。
　　 (2)針對(duì)夜間光照不足的情況,提出了采用紅外下差分圖像與圖像處理相結(jié)合的瞳孔定位

3、算法。在不同的紅外光下獲取的奇、偶幀圖像進(jìn)行差分,對(duì)差分圖像進(jìn)行平滑濾波,然后選擇合適的閾值二值化分割圖像,最后提取眼睛瞳孔。該方法定位眼睛快速、準(zhǔn)確。
　　 (3)提出了基于LBP的嘴唇定位和嘴部分析的打哈欠疲勞檢測方法。實(shí)驗(yàn)的結(jié)果表明這種方法檢測準(zhǔn)確率較高,可用于對(duì)駕駛員打哈欠的疲勞檢測。
　　 (4)提出了PERCLOS值大小、哈欠的次數(shù)及其持續(xù)時(shí)間長短兩個(gè)參數(shù)進(jìn)行疲勞狀態(tài)判斷。該方法綜合多個(gè)特征對(duì)疲勞狀態(tài)進(jìn)行判斷