基于近紅外圖像的疲勞駕駛檢測研究與系統(tǒng)實現(xiàn).pdf

1、隨著車輛擁有率的提升，高速公路覆蓋面的不斷擴張，交通事故發(fā)生率居高不下，疲勞駕駛作為引發(fā)交通事故最重要的原因之一，越來越受到了人們的重視。因此，如何實時、準確的判斷出駕駛者是否進入疲勞狀態(tài)并給與提示，避免由疲勞駕駛所造成的交通事故已成為國內(nèi)外廣大學者的研究方向，對于保障人民財產(chǎn)安全和加強車輛安全駕駛有非常重要的意義。
　　本文主要工作包括夜間圖像人臉檢測、疲勞參數(shù)提取和疲勞判斷三個部分。首先在人臉檢測方面，認為夜間是疲勞駕駛的多發(fā)

2、時間段，因此采用近紅外視頻圖像作為疲勞檢測的輸入。在詳細的研究和分析了基于Adaboost的人臉檢測算法和Adaboost級聯(lián)分類器的學習原理的基礎(chǔ)上，使用大量人臉紅外圖像樣本完成了級聯(lián)分類器的訓練，實現(xiàn)了人臉的檢測。其次在疲勞參數(shù)提取方面，提出了一種基于圖像積分投影和輪廓檢測的人眼定位算法，可實現(xiàn)人眼的實時定位?？紤]到駕駛環(huán)境的多變性和駕駛姿態(tài)的不固定性，在一些特殊場景下可能導(dǎo)致人眼定位失敗，提出了基于區(qū)域生長的人眼搜索，有效提高了人

3、眼定位的準確性和魯棒性。另外，根據(jù)檢測需求，實現(xiàn)了基于幀間差分法的眨眼檢測以及基于輪廓檢測的哈欠檢測。
　　融合人眼睜開度、眨眼特征以及哈欠特征，在大量模擬場景的實驗總結(jié)的基礎(chǔ)上，本文提出了基于PERCLOS、眨眼頻率以及哈欠頻率的疲勞判定準則，作為最終的疲勞狀態(tài)判定方法，并且完成了檢測系統(tǒng)的實現(xiàn)。
　　實驗結(jié)果表明，本文所提出的人眼檢測算法能夠準確地定位人眼，眨眼檢測和哈欠檢測也有非常高的正確率，整個檢測系統(tǒng)能夠準確的檢測