基于視頻的全天候疲勞駕駛監(jiān)測系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、隨著汽車保有量的不斷增加，道路交通事故數(shù)量居高不下。世界衛(wèi)生組織在2013年全球道路安全的報(bào)告中指出：每年死亡于交通事故的人數(shù)為124萬，相當(dāng)于每秒有25人因交通事故而死亡；交通事故是15至29歲年輕人的主要死因，而且中等收入國家的年道路交通死亡率最高。眾多研究表明，駕駛員疲勞是交通傷亡事故中的重要原因，而因人體生物鐘和夜間復(fù)雜行車環(huán)境的影響，夜間又是疲勞駕駛的多發(fā)階段。
　　為了降低因駕駛員疲勞而引發(fā)交通事故的風(fēng)險(xiǎn)，本文采用可根

2、據(jù)不同的光照條件自動(dòng)切換模式的紅外攝像頭采集駕駛員的面部視頻，并對(duì)其分析，提取PERCLOS、平均閉眼速度AECS、眨眼頻率BF、哈欠頻率YawnFreq以及點(diǎn)頭頻率NodFreq五項(xiàng)疲勞參數(shù)，采用支持向量機(jī)SVM的方法對(duì)參數(shù)融合，設(shè)計(jì)了可對(duì)駕駛員的疲勞狀態(tài)進(jìn)行全天候監(jiān)測的系統(tǒng)。
　　為了準(zhǔn)確快速地提取疲勞參數(shù)，首先采用Gentle-Adaboost算法對(duì)大量正常光照和紅外條件下的人臉和非人臉樣本進(jìn)行訓(xùn)練，得到可以用于檢測不同光照

3、環(huán)境中人臉的分類器，用其對(duì)駕駛員進(jìn)行人臉檢測，并將Camshift和Kalman算法相結(jié)合實(shí)現(xiàn)人臉跟蹤。根據(jù)“三庭五眼”的器官分布規(guī)則，在獲取的面部區(qū)域設(shè)定眼部和唇部的ROI區(qū)域，然后將眼睛分類器和唇部分類器運(yùn)用于已設(shè)定的區(qū)域，得到眼睛和唇部區(qū)域。對(duì)眼睛區(qū)域進(jìn)行水平積分投影和垂直積分投影，采用高斯模型對(duì)垂直積分投影曲線分析，判定眼睛的睜閉狀態(tài)，進(jìn)而提取PERCLOS、AECS和BF三項(xiàng)反應(yīng)在眼部的疲勞參數(shù)。正常光照下的唇部采用唇色和膚色