融合面部特征的駕駛員疲勞檢測關(guān)鍵技術(shù)研究.pdf

1、隨著汽車產(chǎn)業(yè)和交通運輸業(yè)的發(fā)展，交通安全成為一個不可忽視的問題。疲勞駕駛作為一種嚴重威脅交通安全的因素，給國家和社會造成了巨大的財產(chǎn)損失和人員傷亡。因此，設(shè)計出一種具有實時性、準確性和魯棒性的駕駛員疲勞檢測方法，對于保護駕駛員及乘員安全具有重要意義。
　　本文在深入研究前人提出的駕駛員疲勞檢測方法原理的基礎(chǔ)上，針對提高疲勞判斷實時性及準確度的問題開展了一些研究工作，提出了一種基于多個特征的駕駛員疲勞融合檢測算法。該方法首先通過攝相

2、機實時拍攝駕駛員面部圖像，使用主動形狀模型（Active Shape Model，ASM）定位臉部特征，然后提取出最能反映疲勞狀態(tài)的眼睛和嘴部信息，最后利用模糊推理的方法，根據(jù)人的經(jīng)驗，“智能”地判斷疲勞程度，從而準確地量化疲勞這一模糊概念，快速準確地判斷疲勞的發(fā)生。本文主要研究內(nèi)容包括以下幾個方面：
　　(1)針對基于單一特征檢測算法在準確率和魯棒性上存在不足的問題，提出了一種基于多個特征的駕駛員疲勞融合檢測算法。選取能夠直接反

3、映駕駛員疲勞程度的2個面部特征（眼睛和嘴巴）對駕駛員狀態(tài)進行綜合判斷。
　　(2)對比分析目前人臉定位所采用的方法，考慮到算法的實時性，使用一種基于類Haar特征的級聯(lián)Adaboost的快速人臉檢測方法進行人臉定位，約束ASM初始搜索形狀，提高ASM的收斂速度。
　　(3)研究了一種特征定位及提取的方法，先利用ASM在人臉范圍內(nèi)進行特征定位，定位出眼睛和嘴巴。然后通過計算眼睛和嘴巴特征點之間的距離，提取出眼睛、嘴巴高度及寬度