论文部分内容阅读
疲劳驾驶是当前交通事故发生的主要原因之一,因此驾驶员疲劳检测成为了当前研究的一个热点。基于机器视觉的疲劳检测,以实时性、非接触性方面的优点,成为疲劳检测的一个主要方法。对已有方法进行分析,提出了一套改进的疲劳检测方案,其中主要算法有：人脸的定位、眉眼区域定位与跟踪、人眼定位、人眼状态识别及疲劳检测。主要研究内容如下：(1)人脸的定位。从红外视频流图像中读取一帧图像,采用迭代式阈值分割的方法,对图像进行二值化处理,利用区域标记的方法去除非人脸区域。使用一种改进的积分投影算法定位人脸区域,同时提出了一种基于人脸特征的二次人脸定位算法,该方法不仅可以快速的定位人脸,而且很好的解决了传统人脸定位算法受肩膀、脖子等影响,而使人脸定位失败的缺点。(2)眉眼区域定位与跟踪。在定位人眼之前,首先定位出眉眼区域。采用求梯度最大值的方法得到眉眼区域,该方法定位眉眼区域的准确度很高,但复杂度较大。为了提高系统运行的速度,本文采用了一种基于位移的眉眼区域跟踪算法,该算法复杂度低,很好的解决了利用梯度求眉眼区域算法运算速度慢的缺点。(3)人眼定位。由于红外图像中人眼瞳孔处灰度变化比较激烈,因此在眉眼区域内,首先用Robert进行边缘检测,然后求灰度最大值,实现人眼的定位,该算法简单有效。结合跟踪算法得到眉眼区域,可以切除眉毛区域,减少了干扰因素,使得人眼定位算法在提高运算速度的同时,也提高了人眼定位的准确度,从而在满足系统实时性的同时,也满足了系统准确性的要求。(4)人眼状态识别及疲劳检测。在对人眼投影图进行分析的基础上,提出了基于投影比例的二次人眼识别算法,该方法既保留了传统水平投影速度快的优点,又解决了传统水平投影识别准确性不高的缺点。得到人眼状态后,采用PERCLOS(percentage of eyelid closure over the pupil over time)和眨眼频数结合的方法,对疲劳状态进行检测。