紅外條件下駕駛員疲勞檢測(cè)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(cè)和預(yù)防駕駛疲勞,對(duì)于減少交通事故發(fā)生,有著十分重要的現(xiàn)實(shí)意義。在當(dāng)前的疲勞駕駛檢測(cè)技術(shù)領(lǐng)域,隨著科技的不斷進(jìn)步,計(jì)算機(jī)視覺(jué)、圖像處理和模式識(shí)別技術(shù)得到了進(jìn)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(cè)算法的研究和疲勞預(yù)警系統(tǒng)的開(kāi)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(diǎn)提出了一套有效的駕駛員疲勞檢測(cè)方法,整個(gè)方法分為四個(gè)過(guò)程：人臉的檢測(cè),人臉的跟蹤,人眼(瞳孔)的定位和駕駛員疲勞狀態(tài)識(shí)別。具體的研究?jī)?nèi)容如下：
　　 第一章介紹了駕駛疲勞檢測(cè)的應(yīng)用背景以及國(guó)內(nèi)外研究的現(xiàn)狀。闡述了疲勞檢測(cè)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(cè)方法。首先對(duì)當(dāng)前的人臉檢測(cè)算法進(jìn)行分類(lèi)比較,其次介紹了紅外光譜及紅外圖

3、像的特點(diǎn)。最后,通過(guò)AdaBoost目標(biāo)檢測(cè)算法對(duì)人臉進(jìn)行定位,該方法檢測(cè)效率高,效果好。
　　 第三章提出了改進(jìn)的Mean-shift人臉跟蹤算法。針對(duì)Mean-shift算法在被跟蹤目標(biāo)發(fā)生快速移動(dòng)時(shí)容易跟蹤失敗的缺點(diǎn),改進(jìn)了Mean-shift算法。當(dāng)目標(biāo)發(fā)生快速移動(dòng)時(shí),采用SSD(Sum of Square Difference)算法進(jìn)行全局搜索。以實(shí)際駕駛員人臉檢測(cè)與跟蹤實(shí)驗(yàn)為例進(jìn)行了大量實(shí)驗(yàn),實(shí)驗(yàn)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(cè)和虹膜定位方法。(1)基于約束條件的人眼檢測(cè):首先利用極小值區(qū)域進(jìn)行眼睛的粗定位,然后使用自然約束條件對(duì)上述粗定位的眼睛進(jìn)行篩選,最后對(duì)眼睛進(jìn)行精確定位;(2)基于Harris的虹膜定位:首先通過(guò)二維最大熵閾值分割方法對(duì)眼睛進(jìn)行閾值分割,然后通過(guò)Canny邊緣檢測(cè)的方法提取瞳孔的邊緣,運(yùn)用Hough變換方法獲得瞳孔的位置,最后通過(guò)Ha

5、rris角點(diǎn)檢測(cè)的方法尋找普爾欽斑點(diǎn)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(cè)方法。在駕駛員眼睛精確定位以及虹膜(普爾欽斑點(diǎn))精確定位的基礎(chǔ)上,分別通過(guò)基于PERCLOS測(cè)量方法以及基于普爾欽光斑的駕駛員疲勞檢測(cè)方法對(duì)駕駛員疲勞狀態(tài)進(jìn)行檢測(cè),最后根據(jù)駕駛員的眨眼頻率及PERCLOS方法對(duì)駕駛員的疲勞程度做了一些判斷。實(shí)驗(yàn)結(jié)果表明,效果較好。
　　 第六章總結(jié)與展望。對(duì)本文主要研究?jī)?nèi)容做了總結(jié),同時(shí)