駕駛員疲勞駕駛檢測算法的研究.pdf

1、近年來，隨著世界各國經(jīng)濟的飛速發(fā)展，機動車數(shù)量正迅速地增加，而由此導致的道路交通安全事故也引起了大眾足夠的重視。研究表明，當處于疲勞狀態(tài)的司機在駕駛車輛時，他對道路形勢的判斷能力和對機動車輛的操控能力都會有很大程度的下降，此種情況則極易發(fā)生重大交通事故。統(tǒng)計資料顯示，每年發(fā)生的道路安全事故中有一半是由駕駛員的疲勞狀態(tài)導致，由此可以看出，疲勞駕駛已成為道路交通安全的重大威脅之一。本文結(jié)合應(yīng)用數(shù)學和計算機視覺相關(guān)知識，建立數(shù)學模型實現(xiàn)駕駛員

2、疲勞狀態(tài)的檢測。
　　本研究的核心內(nèi)容有:眼部重要特征點的定位;三種可以權(quán)衡司機呆滯狀態(tài)的眼睛參數(shù)的計算;基于多種信息融合模型的建立。
　　本研究需要檢測的眼部關(guān)鍵點有:瞳孔中心點、內(nèi)外眼角點和普爾欽光斑中心。在眼角點定位之前首先進行USM銳化處理，這樣會在一定程度上縮小角點檢測的區(qū)域，然后利用基于紋理信息的Gabor眼角濾波器，在粗定位區(qū)域內(nèi)實現(xiàn)眼角的精確定位;統(tǒng)計普爾欽斑點區(qū)域的特征，以此為依據(jù)迭代過濾得到真正的普爾欽斑

3、點區(qū)域，利用基于最小二乘的圓擬合算法得到其中心坐標;在此基礎(chǔ)上計算三種眼部疲勞特征參數(shù)，即眨眼頻率，眼睛持續(xù)閉合時間和視線偏移角度;使用支持向量機模型融合上述三種參數(shù)進行司機困倦狀態(tài)的判定。
　　在實驗中，首先設(shè)計一系列的實驗得到了本文的重要眼睛特征點，然后基于特征點的位置進行實驗計算本文需要的三種疲勞特征參數(shù)，最后進行的實驗說明了本文方法的優(yōu)越性:以往的檢測算法只基于一種疲勞特征參數(shù)即眨眼頻率或PERCLOS參數(shù)，識別率為92％