一種支持向量機(jī)的圖像多特征疲勞駕駛檢測(cè)方法研究.pdf

1、疲勞駕駛檢測(cè)可以預(yù)防部分交通事故的發(fā)生，保障了駕駛?cè)说纳拓?cái)產(chǎn)安全。傳統(tǒng)的疲勞駕駛檢測(cè)方法，是根據(jù)駕駛?cè)说难劬顟B(tài)，這單一特征進(jìn)行疲勞判斷，而本文所提出的方法是在眼睛狀態(tài)的基礎(chǔ)上融合了頭部姿態(tài)，使用分類(lèi)性能好的支持向量機(jī)來(lái)進(jìn)行疲勞判斷。與傳統(tǒng)疲勞駕駛檢測(cè)方法相比本文提出的方法具有多特征性和可信度更高的特點(diǎn)，論文完成的主要工作有：
　?。?）研究了三種常用的色彩空間，使用對(duì)膚色聚類(lèi)性好的YCbCr色彩空間進(jìn)行圖像中膚色部分的檢測(cè)，

2、在檢測(cè)出膚色部分的區(qū)域使用AdaBoost算法的人臉檢測(cè)。在檢測(cè)出的人臉區(qū)域使用Harris角點(diǎn)檢測(cè)算法進(jìn)行眼睛定位與眼睛狀態(tài)檢測(cè)，與傳統(tǒng)的眼睛狀態(tài)檢測(cè)算法相比這種算法執(zhí)行效率高和檢測(cè)速度快，而且很好的避免了閉眼狀態(tài)下眼睫毛帶來(lái)的影響。
　　（2）對(duì)傳統(tǒng)的支持向量機(jī)進(jìn)行改進(jìn)。使用K型核函數(shù)和logistic型核函數(shù)的混合核函數(shù)代替了支持向量機(jī)中傳統(tǒng)核函數(shù)，使得支持向量機(jī)的學(xué)習(xí)能力和泛化能力都有所提高，分類(lèi)性能更好。
　?。?