基于面部視覺多特征融合的駕駛員疲勞檢測(cè)方法研究.pdf

1、近年來機(jī)動(dòng)車數(shù)量的急劇增加，在給人們的生活和工作帶來了很大便利的同時(shí)，隨之而來的交通問題也愈發(fā)嚴(yán)重。據(jù)相關(guān)部門統(tǒng)計(jì)，由疲勞駕駛引發(fā)的交通事故占了很大的比例，所以開發(fā)一個(gè)實(shí)時(shí)監(jiān)測(cè)駕駛員疲勞狀態(tài)的系統(tǒng)具有很重要的實(shí)際價(jià)值，而疲勞檢測(cè)算法的研究是系統(tǒng)實(shí)現(xiàn)的基礎(chǔ)，因此本文研究了一種基于駕駛員面部圖像信息的疲勞檢測(cè)算法。
　　本文提出了一種基于面部視覺多特征融合的駕駛員疲勞狀態(tài)檢測(cè)算法，通過分析駕駛員眼睛、嘴巴以及整體面部表情的狀態(tài)，并采用

2、模糊系統(tǒng)融合推理判斷駕駛員的疲勞狀態(tài)。首先，采用基于Haar特征的級(jí)聯(lián)Adaboost檢測(cè)算法確定駕駛員的臉部位置，然后利用Gabor濾波器增強(qiáng)面部局部特征的邊緣信息以準(zhǔn)確定位眼睛和嘴部，采用一種旋轉(zhuǎn)不變的LBP金字塔特征對(duì)眼睛進(jìn)行特征描述，訓(xùn)練線性SVM分類器判別眼睛的開閉狀態(tài)；并根據(jù)嘴部二值圖像的張開面積及寬高比判斷嘴部的開閉狀態(tài)；同時(shí)采用多模態(tài)特征的距離測(cè)度學(xué)習(xí)算法判別駕駛員整體面部的疲勞表情。最后根據(jù)眼睛和嘴部的狀態(tài)以及疲勞表情