基于計(jì)算機(jī)視覺的駕駛員疲勞檢測(cè)技術(shù)的研究與實(shí)現(xiàn).pdf

1、隨著世界經(jīng)濟(jì)的快速發(fā)展，汽車保有量與日俱增，由駕駛員疲勞駕駛造成的交通事故也越來越多，為了保障行駛安全和預(yù)防交通事故的發(fā)生，研究一種能有效檢測(cè)駕駛員疲勞并及時(shí)給出報(bào)警的方法有著重要的現(xiàn)實(shí)意義。
　　本文對(duì)國內(nèi)外有關(guān)疲勞檢測(cè)技術(shù)的現(xiàn)狀進(jìn)行了系統(tǒng)地分析與研究，特別研究和仿真實(shí)現(xiàn)了基于計(jì)算機(jī)視覺的駕駛員疲勞檢測(cè)算法。該算法主要包括:人臉檢測(cè)、眼睛定位、眼睛跟蹤、眼睛特征提取與疲勞判斷。本文在眼睛跟蹤階段對(duì)使用Harris角點(diǎn)檢測(cè)算法得到

2、的角點(diǎn)進(jìn)行篩選獲取內(nèi)外眼角，并采用KLT跟蹤算法進(jìn)行跟蹤。但在實(shí)際跟蹤眼睛的過程中，無法滿足KLT算法相鄰幀間位移較小和特征窗口灰度一致性的前提，結(jié)果導(dǎo)致眼睛跟蹤產(chǎn)生具有累積效應(yīng)的微小飄移。針對(duì)該問題，對(duì)KLT算法進(jìn)行了改進(jìn):根據(jù)在眼睛特征提取過程中得到的實(shí)際眼角對(duì)基本KLT算法得到的跟蹤結(jié)果進(jìn)行調(diào)整，從而消除KLT算法產(chǎn)生跟蹤飄移。另外，在眼睛特征提取階段，為了使眼睛特征提取更加簡單客觀，本文提出了基于眼睛三種狀態(tài)的特征提取方法，該方

3、法首先使用Canny邊緣檢測(cè)算法得到的人眼張合度，然后基于經(jīng)驗(yàn)閾值離散人眼張合度從而確定眼睛的狀態(tài)，最后根據(jù)連續(xù)的眼睛狀態(tài)計(jì)算眼睛特征。當(dāng)圖像采集失敗或者本文的算法無法從圖像中提取到眼睛特征時(shí)，本文根據(jù)此時(shí)駕駛員的疲勞程度動(dòng)態(tài)地確定如何處理該幀。
　　本文在PC機(jī)上使用VS2008開發(fā)環(huán)境并基于OpenCV計(jì)算機(jī)視覺庫仿真實(shí)現(xiàn)了該算法，并對(duì)不同光照條件、不同噪聲密度和不同頭部姿態(tài)下的魯棒性和速度進(jìn)行測(cè)試，測(cè)試結(jié)果表明:在正常的光照