基于眼動特征的駕駛員疲勞駕駛檢測技術研究.pdf

1、隨著社會經(jīng)濟的快速發(fā)展，國民消費能力逐年提高，汽車數(shù)量的大幅增加給整個交通系統(tǒng)帶來了更多的安全隱患，其中，疲勞駕駛已成為導致重大交通事故的主要因素之一。如果能在駕駛員出現(xiàn)疲勞駕駛之前對駕駛員進行及時的疲勞預警可以有效地避免交通事故的發(fā)生，這對于交通安全來講具有重要意義。
　　本文是基于駕駛員的眼部狀態(tài)特征進行一系列的圖像處理方法和算法，主要包含人臉檢測、人眼定位、眼睛狀態(tài)判別、疲勞狀態(tài)檢測四大流程，通過識別眼睛狀態(tài)并利用PERCL

2、OS的P80標準進行疲勞狀態(tài)的檢測。具體工作內(nèi)容如下：
　　（1）詳細闡述了基于Adaboost算法的駕駛員人臉檢測方法，其中包括：Haar特征的選擇和提取、積分圖的計算、分類器的訓練。通過提取樣本的Haar_like特征對分類器進行訓練，將訓練出來的所有弱分類器用于組成強分類器，然后使用強分類器進行人臉的定位和檢測。由于樣本的數(shù)量比較大，為了提高檢測速度，減少強分類器的搜索范圍，將每個訓練好的弱分類器先確定好位置，然后再進行人臉

3、區(qū)域的檢測。
　?。?）研究了基于幾何特征的人眼定位方法。根據(jù)眼睛在臉部的幾何分布特征，以及二值化后連通域的分布，計算每個連通域的質(zhì)心點，并確定人眼質(zhì)心的位置坐標，然后根據(jù)人眼質(zhì)心坐標采用雙線性插值法對傾斜度較大的人臉圖像進行矯正，并再次確定人眼的質(zhì)心坐標位置。
　?。?）給出了基于PCA主成分析法和灰度投影法兩種方法結(jié)合的人眼狀態(tài)識別方法。PCA算法是通過尋找最能代表人眼狀態(tài)的特征空間，對比樣本圖片和測試圖片的向量距離，用

4、向量差值作為識別標準；灰度投影法是通過人眼灰度分布特點來確定瞳孔的高度，即通過計算單幀圖像人眼瞳孔的高度來確定眼睛的狀態(tài)。PCA用于前期提取睜眼時最大灰度值和閉眼時最小灰度值，然后再使用灰度投影法計算人眼開度，最后根據(jù)疲勞判斷標準進行狀態(tài)識別。
　?。?）在駕駛員疲勞檢測流程中，采用PERCLOS標準統(tǒng)計特定時間段內(nèi)眼睛閉合時間占特定時間內(nèi)的百分率，并選用P80作為評價指標。實驗結(jié)果表明，本文所采用的疲勞檢測方法具有較好的可靠性和