基于眼睛检测与视线估计的驾驶员疲劳检测

论文摘要

由驾驶员疲劳引起的车祸在机动车事故中占有很大比例,所以当驾驶员疲劳时给予警告,可以有效的减少交通事故的发生。驾驶员在车辆行驶过程中是否疲劳,可以由眼睛的状态反映出来,利用驾驶员的眼部状态来判断驾驶员是否疲劳是一种可行的方法。在这篇论文中,提出了一种基于计算机视觉的非接触式的驾驶员疲劳检测算法。我们利用摄像头对驾驶员的头部图像进行采集,然后根据本文的算法对眼睛状态进行分析来检测驾驶员是否疲劳。本文定义了眼睛的两个疲劳特征,即瞌睡与走神。通过对这两种状态的检测来判断驾驶员是否疲劳。首先,我们利用虹膜的灰度特征,采用了一种基于边缘检测,灰度特征投影以及模板匹配的方法进行虹膜检测来进行眼睛位置的快速有效定位,并在此基础上进行瞌睡状态检测。然后,本文根据眼睛的结构特点,构造了眼睛的视线模型。本文采用SUSAN角点检测的方法实现眼睛内外角点检测,并且在检测过程中根据眼睛的精确定位约束角点搜索区域的方法来提高检测精度和速度,并结合虹膜的位置和角点的位置,根据本文的视线模型完成视线方向估计,完成走神状态检测。最后,本文将动态贝叶斯网络作为数据融合的工具,对瞌睡状态和走神状态的信息进行融合分析,来检测驾驶员是否疲劳。通过对驾驶员疲劳机理的分析得到贝叶斯的网络结构,并通过样本学习得到贝叶斯网络的参数。实验结果表明,本文算法能够实时准确的完成驾驶员的疲劳检测。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 本文课题的研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外现状
• 1.2.2 国内现状
• 1.3 本文的研究内容与安排
• 2 眼睛检测与跟踪
• 2.1 引言
• 2.2 人脸检测
• 2.2.1 人脸检测的背景
• 2.2.2 本文采用算法
• 2.3 图像的灰度化
• 2.3.1 图像的灰度化方法
• 2.3.2 本文所采用的方法
• 2.4 眼睛的粗定位
• 2.4.1 人脸图像的边缘检测
• 2.4.2 灰度投影法
• 2.4.3 眼睛粗定位的实现
• 2.5 眼睛的精确定位
• 2.5.1 鼻子的粗略定位
• 2.5.2 模板匹配法原理及方法
• 2.5.3 模板匹配法精确定位眼睛
• 2.6 眼睛跟踪
• 2.7 眼睛闭合状态判断
• 2.8 本章小结
• 3 视线估计
• 3.1 引言
• 3.2 角点检测
• 3.2.1 SUSAN算法
• 3.2.2 Harris角点检测
• 3.3 本文采用方法
• 3.4 计算视线方向
• 3.5 本章小结
• 4 疲劳检测
• 4.1 引言
• 4.2 疲劳的机理分析
• 4.2.1 疲劳的一般概念
• 4.2.2 驾驶疲劳的概念
• 4.2.3 驾驶疲劳的阶段
• 4.3 疲劳检测方法
• 4.3.1 PERCLOS简介
• 4.3.2 疲劳特征自定义
• 4.3.3 基于规则的疲劳判断
• 4.3.4 基于动态贝叶斯网络的疲劳检测
• 4.4 本章小结
• 5 驾驶员疲劳检测系统
• 5.1 引言
• 5.2 系统概况
• 5.3 系统实现功能
• 5.4 实验结果分析
• 6 总结与展望
• 6.1 本文总结
• 6.2 今后工作展望
• 致谢
• 参考文献
• 附录