疲勞駕駛特征和參數(shù)提取研究.pdf

1、疲勞駕駛檢測(cè)系統(tǒng)因有著較大的應(yīng)用價(jià)值，并與人們的安全密切相關(guān)而一直是研究熱點(diǎn)，基于模式識(shí)別與圖像處理技術(shù)的面部識(shí)別疲勞方法也有著重要的理論價(jià)值。在這方面的研究取得了一定的成果，但也有很多未解決的問題，本文側(cè)重對(duì)面部疲勞特征和疲勞參數(shù)進(jìn)行研究，提出了基于三種疲勞參數(shù)的疲勞特征的檢測(cè)和識(shí)別算法，以及三種疲勞參數(shù)的獲取方法，并進(jìn)行了相關(guān)實(shí)驗(yàn)。本文是以獲取疲勞參數(shù)進(jìn)行的面部特征檢測(cè)研究，更具針對(duì)性，且設(shè)計(jì)了疲勞參數(shù)的實(shí)時(shí)獲取方法。最后設(shè)計(jì)了多疲

2、勞參數(shù)的疲勞駕駛系統(tǒng)的設(shè)計(jì)方法，本文的研究?jī)?nèi)容可總結(jié)為如下幾點(diǎn):
　　 (1)設(shè)計(jì)了一種基于Hough變換的人眼檢測(cè)方法
　　 在采用了基于Adaboost檢測(cè)人臉方法進(jìn)行人臉檢測(cè)后，在人臉區(qū)域中分出候選眼部區(qū)域，提出了一種基于Hough變換的人眼檢測(cè)方法。設(shè)計(jì)了給定半徑進(jìn)行Hough變換采用非極大值抑制方法檢測(cè)候選眼圓，加入灰度信息確定人眼;根據(jù)本文算法和人雙眼關(guān)系的先驗(yàn)知識(shí)，設(shè)計(jì)了分左右半圖像檢測(cè)檢測(cè)人眼，并加入二次

3、檢測(cè)的檢測(cè)方法流程;選擇了對(duì)圖像降低到不同分辨率進(jìn)行該方法的檢測(cè)人眼實(shí)驗(yàn)，基于實(shí)驗(yàn)結(jié)果分析了降低待檢圖像分辨率對(duì)計(jì)算量和檢測(cè)效果的影響，選擇了合適的分辨率以減少計(jì)算量并保持較好的檢測(cè)效果。實(shí)驗(yàn)證明本文的檢測(cè)人眼算法對(duì)非閉眼人眼有很好的檢測(cè)效果。
　　 (2)訓(xùn)練了AAM人眼模版
　　 本文選用了訓(xùn)練AAM人眼模版進(jìn)行人眼精確定位和特征信息提取，設(shè)計(jì)了訓(xùn)練方法:訓(xùn)練單人、多眼部狀態(tài)、多姿態(tài)人眼模版，并選擇了相應(yīng)的訓(xùn)練樣本;

4、選擇設(shè)計(jì)訓(xùn)練樣本的眼部特征點(diǎn)標(biāo)注方法，特征點(diǎn)的選擇可以提供大量眼部甚至頭部信息;對(duì)訓(xùn)練樣本采用AAM算法進(jìn)行了訓(xùn)練，獲得了人眼模版。然后設(shè)計(jì)了眼部信息的提取方法，選擇瞳孔四周的點(diǎn)來表征眼睛的張開距離。最后設(shè)計(jì)了眼睛的跟蹤方法:以基于Hough變換的人眼檢測(cè)方法對(duì)眼睛進(jìn)行初定位，匹配AAM人眼模版，并對(duì)之后的人眼進(jìn)行跟蹤，以眼睛特征點(diǎn)信息檢測(cè)是否跟蹤丟失，若丟失進(jìn)行重新的人眼初定位。AAM人眼模版方法在精確定位人眼、人眼跟蹤、實(shí)時(shí)提取眼部

5、信息都取得了很好的效果。
　　 (3)設(shè)計(jì)了眼部疲勞參數(shù)PERCLOS實(shí)時(shí)獲取方法
　　 基于本文的人眼特征檢測(cè)方法，設(shè)計(jì)了與疲勞相關(guān)性較大的眼部疲勞參數(shù)——PERCLOS的實(shí)時(shí)獲取方法:結(jié)合AAM模版進(jìn)行跟蹤定位人眼，選用模版實(shí)時(shí)獲取的雙眼瞳孔四角點(diǎn)來表征眼睛的張開距離;根據(jù)PERCLOS的定義，本文設(shè)計(jì)統(tǒng)計(jì)在一個(gè)眨眼過程中，眼睛張開距離低于整個(gè)瞳孔距離的20％的時(shí)間和低于80％的時(shí)間，以其比例表征PERCLOS值，設(shè)

6、計(jì)了實(shí)現(xiàn)了實(shí)時(shí)的PERCLOS值輸出，并完全實(shí)時(shí)表征眼部的變化。對(duì)本文方法進(jìn)行了相關(guān)實(shí)驗(yàn)，取得較好結(jié)果。
　　 (4)提出了一種基于Gabor和LBP的嘴部檢測(cè)識(shí)別方法
　　 嘴部疲勞參數(shù)的研究一直是以檢測(cè)打哈欠的頻率為主，本文以獲取這個(gè)參數(shù)為目的，研究了檢測(cè)識(shí)別嘴部特征狀態(tài)的方法:利用眼睛與嘴巴位置關(guān)系在人臉區(qū)域分割出嘴部區(qū)域，提取其紅色信息圖像，多尺度多方向進(jìn)行Gabor濾波，改進(jìn)的LBP算子處理圖像，再用分塊直方圖