基于視頻圖像信息提取的疲勞駕駛檢測(cè)技術(shù)研究.pdf

1、機(jī)動(dòng)車輛與日俱增，隨之而來(lái)的車輛交通安全問(wèn)題也越來(lái)越受到社會(huì)的廣泛關(guān)注。調(diào)查表明，疲勞駕駛在造成交通事故的危險(xiǎn)因素中高居第三位，在死亡交通事故原因中居首位。因此，研制疲勞駕駛檢測(cè)預(yù)警系統(tǒng)，對(duì)于避免交通事故，提高交通安全性有著重要意義。 本文在研習(xí)了國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，分析對(duì)比各種疲勞檢測(cè)方法，深入研究了基于視覺(jué)的非接觸式、實(shí)時(shí)的駕駛疲勞檢測(cè)方法。以視頻圖像信息提取和處理理論為基礎(chǔ)，研究探討了基于視覺(jué)的疲勞駕駛檢測(cè)的關(guān)鍵技術(shù)，

2、包括人臉檢測(cè)、眼睛定位與跟蹤、眼睛特征提取與狀態(tài)識(shí)別、疲勞狀態(tài)分析。 首先采用了實(shí)時(shí)性較好的基于膚色檢測(cè)的人臉定位方法，將膚色與非膚色區(qū)域進(jìn)行分離，較為準(zhǔn)確地定位人臉區(qū)域；在關(guān)鍵環(huán)節(jié)眼睛定位中，選擇了積分投影函數(shù)與混合投影函數(shù)相結(jié)合的方法，精確定位了眼睛中心，同時(shí)將Kalman濾波與MeanShift算法相結(jié)合的眼睛跟蹤方法融合到實(shí)驗(yàn)中，實(shí)現(xiàn)了對(duì)序列視頻中頭部旋轉(zhuǎn)或傾斜情況下的連續(xù)眼睛檢測(cè)和定位；在此基礎(chǔ)上對(duì)眼睛進(jìn)行特征提取，主