紅外條件下駕駛員疲勞檢測研究.pdf

1、目前,在頻繁發(fā)生的交通事故中,駕駛疲勞已成為引發(fā)交通事故的重要因素之一。因此,如何有效地檢測和預(yù)防駕駛疲勞,對于減少交通事故發(fā)生,有著十分重要的現(xiàn)實意義。在當(dāng)前的疲勞駕駛檢測技術(shù)領(lǐng)域,隨著科技的不斷進步,計算機視覺、圖像處理和模式識別技術(shù)得到了進一步的發(fā)展和完善?；隈{駛員臉部特征的非接觸式疲勞檢測算法的研究和疲勞預(yù)警系統(tǒng)的開發(fā)已經(jīng)成為了主流之一。本文在研究前人工作的基礎(chǔ)上,認(rèn)為夜間是駕駛員疲勞的多發(fā)階段。本文使用了特殊的紅外光源拍攝駕

2、駛員正面面部圖象,并根據(jù)紅外圖象所具有的特點提出了一套有效的駕駛員疲勞檢測方法,整個方法分為四個過程：人臉的檢測,人臉的跟蹤,人眼(瞳孔)的定位和駕駛員疲勞狀態(tài)識別。具體的研究內(nèi)容如下：
　　 第一章介紹了駕駛疲勞檢測的應(yīng)用背景以及國內(nèi)外研究的現(xiàn)狀。闡述了疲勞檢測研究的意義,以及論文研究的內(nèi)容。
　　 第二章提出了紅外條件下基于Adaboost人臉檢測方法。首先對當(dāng)前的人臉檢測算法進行分類比較,其次介紹了紅外光譜及紅外圖

3、像的特點。最后,通過AdaBoost目標(biāo)檢測算法對人臉進行定位,該方法檢測效率高,效果好。
　　 第三章提出了改進的Mean-shift人臉跟蹤算法。針對Mean-shift算法在被跟蹤目標(biāo)發(fā)生快速移動時容易跟蹤失敗的缺點,改進了Mean-shift算法。當(dāng)目標(biāo)發(fā)生快速移動時,采用SSD(Sum of Square Difference)算法進行全局搜索。以實際駕駛員人臉檢測與跟蹤實驗為例進行了大量實驗,實驗結(jié)果表明,本文提出的

4、跟蹤方法比Mean-shift算法的速度快、準(zhǔn)確度高。
　　 第四章提出了紅外條件下的的人眼檢測和虹膜定位方法。(1)基于約束條件的人眼檢測:首先利用極小值區(qū)域進行眼睛的粗定位,然后使用自然約束條件對上述粗定位的眼睛進行篩選,最后對眼睛進行精確定位;(2)基于Harris的虹膜定位:首先通過二維最大熵閾值分割方法對眼睛進行閾值分割,然后通過Canny邊緣檢測的方法提取瞳孔的邊緣,運用Hough變換方法獲得瞳孔的位置,最后通過Ha

5、rris角點檢測的方法尋找普爾欽斑點繼而確定虹膜的位置。
　　 第五章提出了紅外條件下的駕駛員疲勞檢測方法。在駕駛員眼睛精確定位以及虹膜(普爾欽斑點)精確定位的基礎(chǔ)上,分別通過基于PERCLOS測量方法以及基于普爾欽光斑的駕駛員疲勞檢測方法對駕駛員疲勞狀態(tài)進行檢測,最后根據(jù)駕駛員的眨眼頻率及PERCLOS方法對駕駛員的疲勞程度做了一些判斷。實驗結(jié)果表明,效果較好。
　　 第六章總結(jié)與展望。對本文主要研究內(nèi)容做了總結(jié),同時