基于機器視覺的駕駛疲勞檢測研究.pdf

1、司機疲勞駕駛是引發(fā)車禍的主要因素之一。根據(jù)交通部門的統(tǒng)計，由于疲勞駕駛造成的交通事故占將近事故總數(shù)的20％。因此，如何有效的監(jiān)測和防止駕駛員疲勞駕駛，對于降低交通事故及人員死亡率有著十分重要的現(xiàn)實意義。據(jù)美國國家公路交通安全局公布的數(shù)據(jù)顯示，在各種生理特征與駕駛疲勞的相關(guān)性中，PERCLOS(單位時間內(nèi)眼睛閉合時間所占的百分率)與疲勞的相關(guān)性最佳。因此，選用了PERCLOS作為判定疲勞程度的依據(jù)。 PERCLOS采用了機器視覺的

2、方法，對司機進(jìn)行實時監(jiān)測。本文重點討論了PERCLOS參數(shù)的獲得方法，提出了一套基于人臉檢測、人眼定位、眼睛狀態(tài)值計算流程的計算PERCLOS參數(shù)的方法。首先，我們使用Adaboost算法實現(xiàn)了基于Haar-Like特征和Cascade級聯(lián)分類器的人臉檢測。在人臉檢測定位的基礎(chǔ)上，提出了一種使用水平積分投影定位人眼縱坐標(biāo)，在圖像縮小到以眼睛縱坐標(biāo)為中心的局部區(qū)域的基礎(chǔ)上，再采用邊緣檢測、膨脹邊緣區(qū)域、連通性分析計算出眼睛區(qū)域的橫坐標(biāo)，并

3、從人臉圖像中分割出雙眼的人眼定位方法。在人眼定位的基礎(chǔ)上，提出了一種利用區(qū)域似圓比的方法來檢測虹膜區(qū)域，通過判斷虹膜的有無來判斷眼睛的睜閉情況的新穎方法來檢測人眼狀態(tài)。最后計算出PERCLOS參數(shù)值。整個算法執(zhí)行時間不超過16ms。人臉檢測準(zhǔn)確率接近100％，人眼定位準(zhǔn)確率約為95％。達(dá)到了實時高準(zhǔn)確率的檢測要求。 我們以PC為平臺搭建了疲勞實驗的硬件系統(tǒng)，并利用OpenCV圖像處理軟件與Halcon圖像處理軟件提供的接口制作了