基于眼部識別的駕駛員瞌睡實時監(jiān)測方法研究.pdf

1、目前,疲勞駕駛在車輛肇事中占了相當大的一部分。疲勞往往容易引起瞌睡,但是許多疲勞的駕駛員卻常常不知道自己已經(jīng)處在瞌睡的危險狀態(tài)之中,因此需要設計一種瞌睡監(jiān)測的方法來實時地監(jiān)控駕駛員的精神狀態(tài),一旦其處于瞌睡狀態(tài),系統(tǒng)馬上采取合適方式報警提醒。
　　 目前瞌睡監(jiān)測的方法有測量駕駛員生理信號、測量車輛的行駛參數(shù)、建立數(shù)學模型測量駕駛員疲勞度等,但是這些方法都存在著不可靠或難以實現(xiàn)的缺點,有些方法則需要借助于額外的儀器設備進行接觸式的

2、檢測,易造成駕駛員的不適。基于圖像處理的瞌睡監(jiān)測方法以其非接觸式和可靠性的特點越來越受到研究人員的重視。
　　 本文給出了一種基于眼部識別的瞌睡監(jiān)測方法,該方法主要從人臉檢測和瞌睡識別兩方面對傳統(tǒng)的瞌睡監(jiān)測進行了改進。論文的主要工作如下:
　　 1、提出一種在AdaBoost基礎上改進的人臉檢測方法。AdaBoost方法是一種基于樣本學習的方法,它的提出是人臉檢測速度提高的一個轉折點,使得人臉檢測從真正意義上走向實用。但

3、是該方法不能進行多姿態(tài)人臉的檢測,這對于駕駛員驅車過程中可能出現(xiàn)的各種各樣的人臉姿勢檢測顯然是不適應的。因此本文提出了一種新的面向多姿態(tài)的AdaBoost人臉檢測算法,該方法解決了駕駛員面部檢測的多姿態(tài)問題。
　　 2、根據(jù)本應用的實際情況,提出多特征量化及模糊融合的眼睛狀態(tài)識別方法。瞌睡監(jiān)測最主要的是眼部狀態(tài)的識別,傳統(tǒng)的眼部狀態(tài)識別方法大多是基于單個眼部特征進行的識別,本文通過綜合利用眼部的兩種有效特征提高識別的精度。由于多

4、特征綜合考慮勢必影響識別速度,因此本文設計將所選用的特征進行量化,提高了眼部狀態(tài)識別的速度,滿足了實時性的要求。最終的眼部狀態(tài)由上眼瞼曲率和睜眼面積兩種眼部特征模糊融合得到,具有較好的精確性和實時性。
　　 3、基于以上兩種方法,給出了瞌睡監(jiān)測設計方案,并對該方案進行了實驗和分析。實驗證明,本文提出的在AdaBoost基礎上改進的人臉檢測方法和新提出的多特征量化及模糊融合的眼睛狀態(tài)識別方法,應用到駕駛員瞌睡監(jiān)測方面,具有很好的精