基于视觉的驾驶员疲劳实时检测研究

论文摘要

研究如何有效的监测和防止驾驶员疲劳,对于减少交通事故有着十分现实的重要意义。司机疲劳的最直观表现是眼睛的疲劳状态,因此快速、实时地检测驾驶员眼睛的疲劳状态是很重要的。本文充分利用先进的计算机视觉技术检测驾驶员的面部特征,包括人脸及眼睛的位置。在对驾驶员行为进行监控时,利用CCD摄像头获取驾驶员的一段连续视频图像,用快速、简单的算法对每幅图像中的眼睛特征点进行定位和状态判定,在不影响驾驶的情况下给出了驾驶员的疲劳程度,并给予及时的警示。论文的主要研究内容如下：对人脸定位、人眼定位、眼睛状态识别以及相关的图像处理技术进行了较为深入的研究,在借鉴已有的相关算法的基础上,设计并实现了一种适合于疲劳驾驶预警的改良算法。本文首先介绍了一种基于haar-like特征的adaboost目标识别算法,该算法能够非常迅速地处理图像内容并能够得到较高的正确率。本文将该算法应用于人脸检测,取得了满意的结果。在检测到人脸的基础上,提出了利用模板匹配的方法对人眼进行定位。实验表明该方法能快速且较为准确地定位人眼中心。接下来采用一种结合灰度投影和霍夫变换进行眼部状态识别的方法,最后,依据PERCLOS准则,判断驾驶员是否处于疲劳状态。本文进行了大量的仿真实验。实验表明,系统能够准确地定位人眼并检测眼睛的开闭状态,从而有效的检测驾驶员的疲劳程度。在实验室环境下有较高的识别率。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 疲劳驾驶及疲劳的检查方法
• 1.2.1 驾驶疲劳的致因
• 1.2.2 驾驶疲劳的检测方法
• 1.3 驾驶疲劳检测系统的国内外研究现状
• 1.3.1 国外的研究现状
• 1.3.2 国内的研究现状
• 1.4 目前研究所存在的问题
• 1.5 本文的研究内容及结构安排
• 1.6 本章小结
• 第2章 驾驶员人脸检测
• 2.1 人脸检测简介
• 2.2 人脸检测的方法
• 2.2.1 基于知识人脸检测方法
• 2.2.2 基于统计理论的人脸检测方法
• 2.3 基于AdaBoost方法的人脸检测
• 2.3.1 Adaboost算法介绍
• 2.3.2 Haar-like特征
• 2.3.3 积分图
• 2.3.4 分类器
• 2.3.5 级联分类器
• 2.3.6 人脸检测的实现
• 2.4 本章小结
• 第3章 驾驶员眼部的检测与定位
• 3.1 人眼检测方法
• 3.1.1 灰度积分法
• 3.1.2 对称变换法
• 3.1.3 Hough变换法
• 3.1.4 主元分析法
• 3.1.5 模板匹配法
• 3.2 模板匹配的基本原理
• 3.2.1 匹配
• 3.2.2 匹配原理
• 3.2.3 匹配算法
• 3.3 模板匹配法检测眼睛
• 3.3.1 模板选取
• 3.3.2 模板匹配准则
• 3.3.3 实验结果与分析
• 3.4 本章小结
• 第4章 驾驶员眼睛状态判别
• 4.1 眼睛状态判别的方法概述
• 4.1.1 基于模式分类的眼睛状态判别
• 4.1.2 基于特征分析的眼睛状态判别
• 4.2 一种基于水平投影和Hough查找虹膜相结合的人眼状态判别法
• 4.2.1 色彩空间的选择
• 4.2.2 水平投影法判断闭眼
• 4.2.3 Hough变换检测虹膜判断睁眼
• 4.3 实验结果和分析
• 4.4 本章小结
• 第5章 驾驶员疲劳状态检测
• 5.1 司机疲劳判定方法
• 5.2 PERCLOS测评驾驶疲劳的机理
• 5.3 驾驶员疲劳状态监测算法仿真
• 5.3.1 算法实现及流程
• 5.3.2 算法仿真结果
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢