论文部分内容阅读
驾驶员疲劳驾驶是交通事故频发的重要原因之一,驾驶员疲劳检测技术可以有效判断驾驶员是否进入疲劳状态,当判断驾驶员进入疲劳状态时可以进行预警,提示驾驶员保持清醒状态,从而有利于提高行车安全,减少交通事故的发生。本文研究基于视频的非接触的、实时的驾驶员疲劳检测方法,通过检测图像中驾驶员脸部、眼睛并提取眼部的PERCLOS值(单位时间内眼睛闭合时间所占比例)来判断驾驶员是否进入疲劳状态。本文分别从光照补偿、驾驶员脸部检测、驾驶员眼睛检测与跟踪、是否进入疲劳状态等方面进行研究,主要工作为:(1)针对图像采集过程中由于光照角度、遮挡等原因会造成图像光照不均,一定程度上会改变图像的原始信息而影响驾驶员脸部和眼睛检测的问题,研究了基于同态滤波的光照补偿方法,可以有效增强图像亮度和对比度,同时能较好的保持图像细节信息和肤色信息。(2)研究了基于肤色分割与Adaboost分类器相结合的驾驶员脸部检测方法。肤色分割缩小了人脸存在的范围,提高人脸检测速度。使用训练出的Adaboost人脸分类器可以从分割后的肤色区域精确定位人脸位置,作为驾驶员眼部的检测区域。(3)通常驾驶员眼睛检测和跟踪算法是Adaboost分类器和卡尔曼滤波、粒子滤波相结合,本文设计了基于最小输出均方误差和(Minimum Output Sum of Squared Error,MOSSE)滤波算法的人眼检测与跟踪算法。充分利用相邻两帧间人眼图像的相关性可大大提高检测速度,基于第一帧图像中检测到的人眼区域实时训练滤波器,用于下一帧图像中人眼检测与跟踪,取得了很好的实时检测效果。(4)改进了基于PERCLOS原理判断驾驶员是否处于疲劳状态的方法。PERCLOS原理仅使用了眼部区域的长宽比确定疲劳状态,本文使用眼部区域的像素特征,包括眼睛长宽比、黑色像素占总像素的比例、眼睛中心1/2区域的黑色像素比例,组成判别函数,确定眼睛的睁开闭合状态,从而更准确地判断疲劳状态。本文基于MATLAB进行了算法研究,基于OPEN CV进行了实验验证,达到了每秒25帧的实时检测速率。