基于视觉的汽车驾驶员疲劳驾驶检测算法研究

论文摘要

由于驾驶员疲劳驾驶导致的交通事故日益增加,如何避免驾驶员出现疲劳驾驶已经为人们所广泛关注。作为一种车载的、实时的、非接触式的疲劳测评方法,PERCLOS方法的准确性和潜力一直为大家所认可。本文对疲劳检测过程中几个关键点进行研究,最终用PERCLOS方法对驾驶员的疲劳程度做出判断。当驾驶员处于疲劳驾驶状态时及时发出警报,避免交通事故发生。软件实现包括以下几个部分:人脸检测,眼睛检测,虹膜区域眼睑之间距离计算,PERCLOS计算。本文处理的图像为24位彩色图,各个方面方法简单介绍如下。1)人脸检测:采用肤色分割方法得到人脸候选区域,利用投影方法确定脸边界并分割人脸;2)眼睛检测:利用形态学腐蚀方法对人脸候选区域处理,依据人脸器官几何分布特点对眼睛进行粗定位。将粗定位后的彩色图像转换为灰度图像并进行边缘检测,利用边缘检测结合投影方法检测眼睛的精确位置。文中设计的眼睛定位方法具有一定的抗脸部偏转的特性;3)眼睛状态检测:根据虹膜在眼部的灰度特点,设计模板对虹膜区域进行粗定位。接着对虹膜区域进行边缘检测,设计算法确定虹膜左右边界并求其高度,根据虹膜左右边界高度大小确定眼睛开闭(眼睛张开程度过小直接判定为闭眼)。对开眼图像计算虹膜区域眼睑相对高度值。最终得到一段时间内眼睛张开程度的变化曲线;4)PERCLOS计算:利用统计的方法确定不同人PERCLOS公式计算所需的两个参数:眼睛正常张开程度值与单位时间t。对参加实验的人员用PERCLOS方法进行疲劳评测。实验结果表明该算法能够准确的定位驾驶员眼睛。并能准确的检测到其眼睛张开程度。最终用PERCLOS方法对单位时间内驾驶员的疲劳状态做出了正确的评测。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.2 疲劳驾驶检测方法研究国内外研究现状
• 1.2.1 基于视觉的疲劳驾驶检测方法研究状况
• 1.2.2 国外研究现状
• 1.2.3 国内研究现状
• 1.3 本文研究内容
• 第二章 系统的整体设计
• 2.1 假设约束条件
• 2.2 系统软件设计流程图
• 2.3 算法的整体设计思路
• 2.4 小结
• 第三章 人脸检测
• 3.1 常用人脸检测方法综述
• 3.1.1 基于统计的方法
• 3.1.2 基于知识建模的方法
• 3.2 本系统中采用的人脸检测方法
• 3.2.1 颜色空间的介绍
• 3.2.2 肤色模型介绍
• 3.2.3 肤色分割结果
• 3.2.4 投影法介绍
• 3.2.5 人脸检测结果
• 3.3 小结
• 第四章 人眼检测
• 4.1 眼睛区域粗定位以及灰度化
• 4.1.1 腐蚀操作介绍
• 4.1.2 眼睛区域粗定位
• 4.1.3 彩色图像灰度化
• 4.2 常用眼睛检测算法
• 4.3 眼睛检测所用方法
• 4.3.1 眼睛定位思路
• 4.3.2 sobel算子介绍以及边缘检测结果
• 4.3.3 检测眼睛算法
• 4.4 小结
• 第五章 眼睛状态检测
• 5.1 常用眼睛状态检测算法
• 5.1.1 模板匹配方法
• 5.1.2 投影的方法
• 5.1.3 计算眼睑曲率
• 5.1.4 计算眼睛面积的方法
• 5.2 眼睛区域预处理
• 5.2.1 分析图像灰度分布特点
• 5.2.2 图像灰度拉伸处理
• 5.3 采用的检测眼睛状态算法
• 5.3.1 虹膜粗定位
• 5.3.2 Sobel进行垂直边缘检测可行性分析及实验
• 5.3.3 虹膜左右边界定位以及第一次疲劳判断
• 5.3.4 虹膜与上下眼睑交界以及眼睛张开程度检测
• 5.4 小结
• 第六章 疲劳评测
• 6.1 常用疲劳评测方法
• 6.2 选取的评测方法及其参数确定
• 6.3 疲劳评测
• 6.4 小结
• 第七章 结论
• 7.1 主要结论
• 7.2 未来工作展望
• 参考文献
• 在学研究成果
• 致谢