基于機(jī)器視覺(jué)的駕駛員疲勞駕駛檢測(cè)方法研究.pdf

1、道路交通事故一旦發(fā)生會(huì)給國(guó)家和人民的生命財(cái)產(chǎn)造成極大的損失。其中，駕駛員疲勞駕駛是引發(fā)惡性道路交通事故的最主要原因。因此，對(duì)駕駛員疲勞駕駛進(jìn)行檢測(cè)和預(yù)警具有重大的學(xué)術(shù)、經(jīng)濟(jì)和社會(huì)意義。利用機(jī)器視覺(jué)技術(shù)，融合多個(gè)疲勞特征對(duì)疲勞駕駛進(jìn)行綜合檢測(cè)，已成為世界范圍內(nèi)的一個(gè)研究熱點(diǎn)。
　　 疲勞是一個(gè)非常復(fù)雜的生理現(xiàn)象，基于單一疲勞特征的疲勞駕駛檢測(cè)方法在檢測(cè)效果上存在著先天缺陷?；诙鄠€(gè)疲勞特征的疲勞駕駛檢測(cè)方法能夠克服單一疲勞特征檢測(cè)

2、方法的不足，具有檢測(cè)范圍廣、準(zhǔn)確率高、可靠性強(qiáng)等優(yōu)勢(shì)。然而利用信息融合技術(shù)融合反映駕駛員疲勞的直接和間接疲勞特征對(duì)疲勞駕駛進(jìn)行綜合檢測(cè)的研究還處于初步探索階段，有許多科學(xué)問(wèn)題亟需解決。
　　 本文采用理論分析、計(jì)算機(jī)仿真和實(shí)車(chē)模擬實(shí)驗(yàn)相結(jié)合的研究方法，對(duì)基于機(jī)器視覺(jué)的駕駛員疲勞駕駛?cè)诤蠙z測(cè)方法涉及到的4個(gè)關(guān)鍵性問(wèn)題進(jìn)行了研究，包括解決駕駛員臉部的快速檢測(cè)和準(zhǔn)確定位問(wèn)題，開(kāi)發(fā)用于檢測(cè)疲勞駕駛的車(chē)道線實(shí)時(shí)檢測(cè)算法，對(duì)恰當(dāng)選取的疲勞特

3、征參數(shù)進(jìn)行有效計(jì)算并提出合理的疲勞度量化方法，提出基于多個(gè)疲勞特征的疲勞駕駛?cè)诤蠙z測(cè)方法。取得的創(chuàng)新性研究成果主要有：
　　 （1）針對(duì)基于單一特征駕駛員臉部檢測(cè)算法在檢測(cè)精度和可靠性方面的局限性，提出了多特征雙重匹配驗(yàn)證的人臉檢測(cè)算法。首先采用改進(jìn)的基于Haar-like特征的人臉檢測(cè)算法在整幅圖像上檢測(cè)出可能存在的初始人臉區(qū)域，然后自適應(yīng)地?cái)U(kuò)大初始人臉區(qū)域范圍，并在此基礎(chǔ)上利用基于膚色特征的方法在YCbCr空間上進(jìn)行臉部的二

4、次檢測(cè)，最后根據(jù)定義的臉部區(qū)域重合度和人臉幾何先驗(yàn)知識(shí)對(duì)駕駛員臉部區(qū)域進(jìn)行雙重匹配驗(yàn)證進(jìn)而制定相應(yīng)的定位規(guī)則對(duì)臉部進(jìn)行融合檢測(cè)。各種路況下的實(shí)驗(yàn)結(jié)果證明了該算法的有效性。
　　 （2）針對(duì)高速公路車(chē)道線的特點(diǎn)，提出了改進(jìn)的基于機(jī)器視覺(jué)的車(chē)道線實(shí)時(shí)檢測(cè)算法。利用直線車(chē)道線模型，采用基于Hough變換的車(chē)道線參數(shù)全局提取和基于最小二乘擬合的局部小窗口提取相協(xié)調(diào)的方法對(duì)車(chē)道線進(jìn)行檢測(cè)。在圖像的預(yù)處理過(guò)程中，采用改進(jìn)快速中值濾波算法、基

5、于梯度方向角直方圖和連通性分析相結(jié)合的濾波方法對(duì)車(chē)道線圖像進(jìn)行濾波處理，提高了車(chē)道線檢測(cè)的準(zhǔn)確率。根據(jù)當(dāng)前幀圖像車(chē)道線的有效區(qū)域，利用Kalman濾波算法預(yù)測(cè)車(chē)道線感興趣小窗口的位置和大小，提高車(chē)道線實(shí)時(shí)檢測(cè)的效率。
　　 （3）在人臉檢測(cè)和車(chē)道線檢測(cè)的基礎(chǔ)上，通過(guò)選擇恰當(dāng)?shù)钠谔卣鲄?shù)，提出了相應(yīng)的疲勞特征參數(shù)計(jì)算及疲勞度量化方法。利用機(jī)器視覺(jué)技術(shù)對(duì)頻繁眨眼、頻繁打呵欠和異常偏離車(chē)道3個(gè)疲勞特征參數(shù)進(jìn)行檢測(cè)和提取。針對(duì)上述3個(gè)

6、疲勞特征參數(shù)，通過(guò)駕駛仿真模擬實(shí)驗(yàn)采用主、客觀量化相結(jié)合的方法對(duì)駕駛員的疲勞程度進(jìn)行量化。利用統(tǒng)計(jì)分析方法，對(duì)疲勞特征參數(shù)及其對(duì)應(yīng)的疲勞度之間的相關(guān)性進(jìn)行分析，驗(yàn)證所選疲勞特征參數(shù)的有效性。實(shí)驗(yàn)結(jié)果表明，所選擇的3個(gè)疲勞特征參數(shù)能夠有效反映駕駛員的疲勞程度，且提出的疲勞特征檢測(cè)算法準(zhǔn)確、可靠。
　　 （4）為提高基于單一特征檢測(cè)算法的準(zhǔn)確率和可靠性，提出基于減法聚類和改進(jìn)粒子群優(yōu)化TS模糊神經(jīng)網(wǎng)絡(luò)的疲勞駕駛?cè)诤蠙z測(cè)算法。該算法從