基于改進輪廓模型的疲勞駕駛檢測方法研究.pdf

1、現代經濟的飛速發(fā)展,人民生活水平的迅速提高,越來越多的車輛走進了平常百姓的家庭。但是頻繁的交通事故也給人們的生命財產安全造成重大損失,而其中駕駛員疲勞駕駛所導致的交通事故占其中很大的一個比重。如果有一套車載系統(tǒng),能檢測到駕駛員的疲勞駕駛,并及時給予警示,提醒駕駛員注意安全,就可以很大程度上避免交通事故的發(fā)生。因此,找尋一種實時性好、可靠性高的疲勞駕駛檢測方法,對于保障道路安全,人們的生命財產具有不可忽視的現實意義。
　　本文提出的

2、以計算機視覺及數字圖像處理為基礎的疲勞駕駛檢測方法,是一種非接觸式的檢測方法。檢測方法主要包括圖像采集,人臉檢測,頭部姿態(tài)跟蹤,哈欠檢測,眼瞼匹配以及最終的疲勞判定等幾個部分。本文的主要內容包括:
　　1.本文在人臉定位的基礎上,通過人臉中心位置的坐標來考察駕駛員頭部位姿變化,并提取瞌睡點頭的頻率 NodFreq最為疲勞判定的一個特征參數;此外,通過嘴部分類器及積分投影的方法,對駕駛員打哈欠的動作進行檢測,作為疲勞駕駛判定的另一個

3、輔助特征。
　　2.本文對輪廓模型 ASM( Active Shape Model)算法及 AAM( Active Appearance Model)算法進行理論分析,在原有基礎上對其進行改進并應用到眼瞼活動輪廓的匹配跟蹤上,以實現眼睛疲勞特征PERCLOS參數的提取。其中,引入LBP局部特征的 LBP-ASM提高了原始 ASM的準確性,而加入預處理的PLBP-ASM(Preprocessing LBP-ASM)則可以更好地適應光

4、照的變化;針對AAM算法在局部細節(jié)匹配上的不足,將 ASM算法與其結合提出局部紋理表觀模型LT-AAM(Local Texture AAM)算法,該算法在保障眼瞼全局匹配正確的基礎上,可以使得眼瞼處局部特征點的匹配更加準確。
　　3.本文對上述算法進行實驗,并分析比較性能參數,考慮準確性及實時性等因素,最后選取 PLBP-ASM算法搭建測試軟件,將統(tǒng)計的眼睛閉合信息計算PERCLOS參數,結合點頭頻率(NodFreq)參數及哈欠的