用于檢測駕駛疲勞的人眼狀態(tài)檢測研究.pdf

1、隨著社會的不斷發(fā)展與進(jìn)步，機(jī)動車的數(shù)量快速增長，隨之而來的是交通事故的發(fā)生率也大大提高。據(jù)統(tǒng)計(jì)，在各種交通事故中，由于疲勞駕駛而引發(fā)的占到事故總數(shù)的10％到20％，在高速公路的長途運(yùn)輸車輛的事故中更有高達(dá)50％以上是由疲勞駕駛引起的。
　　 因此，如何能夠快速有效并且在盡可能不影響駕駛員駕駛行為的情況下檢測其疲勞狀態(tài)稱為當(dāng)今研究的熱點(diǎn)之一。在各種疲勞檢測方法中，基于機(jī)器視覺的PERCLOS參數(shù)測量的方法是目前得到公認(rèn)的有效且無干

2、擾的方法。計(jì)算PERCLOS參數(shù)的關(guān)鍵是準(zhǔn)確地判斷人眼狀態(tài)（睜眼和閉眼）。
　　 基于以上考慮，為了測試和評價(jià)各種人眼狀態(tài)檢測算法，本文首先利用人眼定位程序構(gòu)建了人眼數(shù)據(jù)庫。數(shù)據(jù)庫中圖像主要由兩部分組成，一部分來自CAS-PEAL、IMM、Georgia Tech、ORL、BIO、Yale等人臉數(shù)據(jù)庫，另一部分是采集的周圍60位同學(xué)的圖像。為了保證數(shù)據(jù)庫樣本的豐富性，花費(fèi)了大量精力挑選滿足不同測試條件的圖像。最終構(gòu)建的人眼數(shù)據(jù)庫

3、包含1268個(gè)測試對象的10610幅圖像，基本滿足了評價(jià)算法性能的需要。
　　 構(gòu)建人眼數(shù)據(jù)庫之后，本文實(shí)現(xiàn)了基于Hough變換的方法、動態(tài)模板匹配法和基于局部二值模式特征的Adaboost方法共三種人眼狀態(tài)檢測方法。在數(shù)據(jù)庫和視頻上對包括似圓比算法在內(nèi)的四種算法進(jìn)行了測試，評價(jià)了每種算法的檢測性能。
　　 其中基于局部二值模式特征的Adaboost方法是本文研究的重點(diǎn)。文中詳細(xì)給出了人眼狀態(tài)檢測分類器的訓(xùn)練過程，并總結(jié)