基于面部特征的駕駛員疲勞檢測.pdf

1、在交通事故中，因駕駛員的疲勞引發(fā)的車禍占有相當大的比例。因此，駕駛員疲勞的檢測日益受到人們的關(guān)注。目前為止，雖然對疲勞檢測方法已進行了許多研究，但仍然有2個問題需要解決，第一是由于駕駛員的所處的特定環(huán)境會受光線干擾方面嚴重的制約，第二是用單一的指標很難判定疲勞問題，而需要一個綜合指標來評價。因此，對駕駛員疲勞的檢測問題目前尚沒有真正解決，離實際真正應(yīng)用還有距離。 駕駛員疲勞最大的變化是眼睛的異常開閉，但同時在臉部也會發(fā)生變化，因

2、此有效的檢測駕駛員疲勞，關(guān)鍵是如何提高駕駛員在不同的背景下人臉和眼睛的識別與檢測效率，并根據(jù)它們的變化規(guī)律檢測疲勞狀態(tài)。 本文的主要工作與成果如下： 1.本文對駕駛員疲勞檢測進行了文獻綜述，提出了眼睛檢測為主，臉部變化為輔的駕駛員疲勞檢測的實現(xiàn)框架。 2.針對彩色圖像，提出了一種基于YCbCr色彩空間的“分級別光照補償+自適應(yīng)閾值選取”的膚色分割方法。采用了一種自適應(yīng)的光照補償方法，根據(jù)光照的不同級別，進行光照補

3、償。然后建立膚色模型，生成膚色相似度圖像，進而使用自適應(yīng)閾值的方法對膚色區(qū)域進行分割。實驗結(jié)果表明，該膚色分割方法能有效克服使用固定閾值進行分割的缺陷。 3.針對灰度圖像，采用基于幾何特征和級聯(lián)增強分類器法，即“Haar特征值+AdaBoost”分類器的方法，對駕駛員的人臉進行檢測，并在AdaBoost對弱分類器的選取方面提出了一種AdaBoost快速訓練的方法，對更新分類器權(quán)重算法做了改進，解決了基于AdaBoost的人臉檢測

4、算法中訓練非常耗時的問題。 4.在對眼睛的定位及判斷狀態(tài)問題上，本文提出了一種基于“無跡”卡爾曼濾波（Unscented Kalman filter）的方法對駕駛員人眼進行跟蹤。運用了幾何特征和投影方法來定位人眼，從而駕駛員疲勞可以根據(jù)眼睛連續(xù)閉合超過5幀來判定。實驗結(jié)果表明，此眼睛檢測跟蹤方法可以在不同的環(huán)境下取得較好的效果。 5.加入了嘴巴打哈欠狀態(tài)來綜合判定駕駛員的疲勞狀態(tài)，利用嘴巴的寬高比及打哈欠的持續(xù)時間來判斷