基于圖像的機車司機疲勞檢測系統(tǒng)研究.pdf

1、隨著鐵路生產(chǎn)力布局調(diào)整，機車交路不斷延伸，駕駛員超勞現(xiàn)象非常嚴(yán)重。駕駛員疲勞駕駛已經(jīng)成為造成全路機務(wù)行車事故的一個重要原因。因此，開發(fā)出應(yīng)用于列車的駕駛員智能疲勞監(jiān)測系統(tǒng)，對列車的安全行駛意義重大。
　　 本文介紹了一種利用CCD圖像傳感器對駕駛員面部進行圖像采集，通過對人眼狀態(tài)的分析來判定疲勞程度的系統(tǒng)。主要參考兩個指標(biāo)來衡量駕駛員疲勞程度：人眼持續(xù)閉合時間占特定時間的比率PERCLOS和人眼平均閉合速度AECS。本系統(tǒng)采用基

2、于Haar特征的AdaBoost級聯(lián)分類器算法進行人臉檢測，在檢測出人臉的基礎(chǔ)上，通過模板匹配的方法在人臉區(qū)域內(nèi)定位人眼和檢測人眼狀態(tài)。當(dāng)系統(tǒng)檢測到駕駛員處于睡眠狀態(tài)時，能及時報警提醒駕駛員，并保留相關(guān)數(shù)據(jù)上傳到地面控制中心。
　　 本文采用基于Haar特征的AdaBoost級聯(lián)分類器算法和模板匹配算法，在對其原理和具體實現(xiàn)方式進行介紹的基礎(chǔ)上，軟件編程實現(xiàn)，并通過幾個測試集對實現(xiàn)的算法進行測試。實驗表明，本文所采用的AdaBo

3、ost方法和模板匹配的方法，具有檢測準(zhǔn)確率高、運行速度快和魯棒性好的優(yōu)點。最后結(jié)合測試中暴露出的算法的不足，提出了進一步的改進方法。
　　 全文共分六章。第一章為緒論，指出了本課題的研究背景與意義，并概述了關(guān)于司機疲勞檢測的國內(nèi)外相關(guān)技術(shù)的發(fā)展。第二章首先確定了疲勞狀態(tài)檢測的評價指標(biāo)，提出了系統(tǒng)人臉檢測部分采用基于Haar特征的AdaBoost算法。最后，給出了對整個疲勞檢測系統(tǒng)的詳細(xì)設(shè)計方案。第三章介紹基于Haar的AdaBo

4、ost人臉檢測算法，包括對原理的介紹和對所采用的具體檢測實現(xiàn)方式的詳細(xì)論述。第四章在對模板匹配的原理進行介紹的基礎(chǔ)上，提出適用于本系統(tǒng)人眼定位的模板匹配方法，并對模板匹配的關(guān)鍵問題進行了論述。最后對人眼定位和狀態(tài)檢測的輸入圖像的預(yù)處理過程進行了簡單介紹。第五章利用建立的測試集對人臉與人眼采用的兩種算法進行測試，并對結(jié)果和誤檢原因進行分析。第六章為總結(jié)與展望，對全文的主要研究工作進行了總結(jié)，結(jié)合實際的疲勞檢測情況，分析算法所存在的不足，提