基于虹膜檢測的駕駛員疲勞檢測研究.pdf

1、隨著社會的發(fā)展，人民生活水平的不斷提高，人們的汽車保有量也在不斷增加，隨之而來的交通事故也急劇增加，而由于疲勞緣故導(dǎo)致的交通事故所占比重更是非常之高，所以有效防止和監(jiān)督駕駛員疲勞駕駛，對降低交通事故具有重要意義。目前已經(jīng)有很多關(guān)于疲勞駕駛檢測系統(tǒng)的研究，也取得了很多的成果。本文在分析比較前人研究的基礎(chǔ)上，采用了基于計(jì)算機(jī)視覺的方法通過人眼狀態(tài)來對駕駛員的疲勞程度進(jìn)行評估判定。
　　本文對于駕駛疲勞檢測的研究主要包括以下部分:人臉區(qū)

2、域的提取，人眼檢測與跟蹤定位，虹膜定位，疲勞判定。
　　1.人臉區(qū)域提取。在對已有人臉檢測算法的分析對比基礎(chǔ)上，選擇了基于Haar特征的AdaBoost方法對人臉進(jìn)行檢測，并根據(jù)人臉在視頻圖像中的面積大小進(jìn)行驗(yàn)證。實(shí)驗(yàn)檢測結(jié)果表明，本方法在檢測精度和檢測時間上均可以達(dá)到本研究的要求。
　　2.人眼檢測。本文對直方圖均衡化進(jìn)行的改進(jìn)，提出了加權(quán)均衡化的方法對人眼區(qū)域進(jìn)行處理。本文提出了利用直方圖的方式選取對人眼區(qū)域進(jìn)行二值化閾

3、值的方法，為人眼區(qū)域的分割提供了良好的基礎(chǔ)。提出了基于輪廓提取的人眼檢測方法。通過此方法可以很好地將眉毛、鼻子陰影、側(cè)面陰影以及其他干擾去除。
　　3.虹膜定位。本文對已有算法進(jìn)行優(yōu)化改進(jìn)，精確的對虹膜進(jìn)行檢測定位。
　　4.本文通過模板匹配的方法對檢測到的人眼進(jìn)行跟蹤定位。對影響其運(yùn)行時間的因素進(jìn)行了分析，并采用了減小分辨率的方法來增加跟蹤的效率，通過實(shí)驗(yàn)看到，減小分辨率并沒有減少跟蹤的精度，但是時間卻極大的減少。