基于面部信息的駕駛員疲勞檢測算法研究.pdf

1、隨著汽車保有量的增加，交通安全成為日益嚴(yán)峻的問題。疲勞駕駛會影響駕駛員的警覺能力、反應(yīng)速度和安全駕駛能力，每年都會因疲勞駕駛導(dǎo)致大量交通事故。因此，對駕駛員的駕駛狀態(tài)進行檢測，實時評估其疲勞程度，有助于減少交通事故的發(fā)生。本文對基于面部信息的駕駛員疲勞檢測算法進行了研究，設(shè)計了實時、有效的駕駛員疲勞檢測人機交互界面。本文的主要工作可歸結(jié)如下：
　?。?）人眼和嘴巴的定位及狀態(tài)分析算法研究。針對積分投影對人臉佩戴眼鏡、姿態(tài)變化敏感，

2、以及模板匹配算法計算量過大等缺點，研究了基于積分投影和模板匹配的人眼定位算法。首先對檢測出的人臉區(qū)域進行灰度積分投影，并結(jié)合人臉結(jié)構(gòu)特征實現(xiàn)眉眼區(qū)域的粗定位，然后采用模板匹配算法精確定位人眼，最后對定位出的眼睛采用OTSU算法進行二值化處理，根據(jù)二值化圖像的縱橫黑色像素個數(shù)比，分析眼睛的狀態(tài)。采用YCbCr顏色空間變換結(jié)合最大連通域?qū)崿F(xiàn)嘴巴輪廓的檢測，利用Harris算子實現(xiàn)兩個嘴角的定位，根據(jù)定位出的嘴巴區(qū)域?qū)捀弑龋治鲎彀偷臓顟B(tài)。<

3、br>　　（2）人眼和嘴巴的實時跟蹤算法研究。研究了基于在線特征選擇的多示例學(xué)習(xí)跟蹤算法，通過在線Adaboost算法對選取的弱分類器權(quán)值及樣本特征進行加權(quán)，將迭代計算得到的M個強分類器進行集成，并使用跟蹤結(jié)果中的最優(yōu)特征對集成的強分類器參數(shù)進行更新，實現(xiàn)分類模型的在線更新。采用常用的跟蹤算法與本文跟蹤算法對定位出的眼睛和嘴巴進行跟蹤效果對比，根據(jù)跟蹤算法客觀評價指標(biāo)中的跟蹤精度、成功率及跟蹤速度，驗證了本文跟蹤算法具有較快的跟蹤速度及

4、較好的跟蹤準(zhǔn)確性和魯棒性。
　?。?）基于決策級的模糊算法疲勞等級判定。對實時提取的眼睛和嘴巴疲勞特征參數(shù)，采用基于決策級的模糊算法對駕駛員疲勞等級進行實時判定。通過與基于眼睛狀態(tài)或嘴巴狀態(tài)單特征疲勞檢測算法的檢測效果對比實驗，驗證了本文疲勞等級判定算法具有較好的實用性和準(zhǔn)確性。
　　為了驗證本文疲勞檢測算法的準(zhǔn)確性和實用性，利用羅技720p攝像頭采集實驗室及駕駛室內(nèi)不同光照、復(fù)雜背景等條件下的疲勞和非疲勞狀態(tài)視頻，使用本文