基于ARM的疲勞駕駛檢測(cè)系統(tǒng).pdf

1、疲勞駕駛已經(jīng)成為交通事故發(fā)生的重要原因之一。目前，基于計(jì)算機(jī)視覺(jué)的疲勞駕駛檢測(cè)，因?yàn)槠鋵?shí)時(shí)、車(chē)載及非接觸式的優(yōu)勢(shì)，成為了疲勞駕駛檢測(cè)研究領(lǐng)域的熱點(diǎn)。
　　本文重點(diǎn)提出并實(shí)現(xiàn)了一種人眼定位的改進(jìn)方法:人眼定位的邊緣信息積分投影方法。這是一種在極坐標(biāo)系下對(duì)邊緣強(qiáng)度信息進(jìn)行積分投影的改進(jìn)方法，在人臉區(qū)域內(nèi)建立基于Kirsch算子的邊緣強(qiáng)度圖像，在此基礎(chǔ)上對(duì)不同極角方向進(jìn)行積分投影，確定出人眼角度方向，最后對(duì)人眼所在角度方向的邊緣強(qiáng)度進(jìn)行

2、微分累加運(yùn)算確定出人眼的極徑，從而實(shí)現(xiàn)人眼的極坐標(biāo)定位。
　　在此基礎(chǔ)上，本文設(shè)計(jì)了一種基于ARM的疲勞駕駛檢測(cè)系統(tǒng)，并研究了疲勞駕駛檢測(cè)的方法，包括人臉檢測(cè)、人眼定位、眼睛狀態(tài)識(shí)別及疲勞判別等方面的算法。經(jīng)過(guò)對(duì)比選擇，最終確定了系統(tǒng)各部分所采用的算法，每一步算法的選擇都要考慮其時(shí)間復(fù)雜度以滿足系統(tǒng)的實(shí)時(shí)性需求。首先，對(duì)采集的圖像進(jìn)行中值濾波以及灰度直方圖均衡化的操作，來(lái)去除圖像的噪聲干擾并對(duì)圖像進(jìn)行光線補(bǔ)償;其次，建立二維高斯膚

3、色模型進(jìn)行人臉檢測(cè);在檢測(cè)到的人臉區(qū)域內(nèi)利用邊緣信息積分投影方法進(jìn)行人眼定位;最后，采用基于橢圓擬合的人眼狀態(tài)識(shí)別方法，然后在基于PERCLOS疲勞判別方法的基礎(chǔ)上，結(jié)合眨眼頻率的判別方法，利用這兩個(gè)參數(shù)來(lái)判斷駕駛員的疲勞狀態(tài)。
　　硬件平臺(tái)采用友善之臂公司的嵌入式Tiny6410平臺(tái)，并進(jìn)行了軟件平臺(tái)的搭建，包括嵌入式操作系統(tǒng)的選擇、交叉編譯環(huán)境的建立、Qt/E移植與集成開(kāi)發(fā)環(huán)境的搭建、系統(tǒng)應(yīng)用軟件的總體設(shè)計(jì)。
　　最后對(duì)