基于模式识别的驾驶员疲劳状态检测系统研究

论文摘要

在道路交通事故中,驾驶员疲劳驾驶是重要的原因。如果能在驾驶员出现疲劳状态之前就给驾驶员以及时的预警提醒,那么就可以使驾驶员意识到危险并采取相应的措施避免事故的发生,这是汽车主动安全技术的重要方面,所以对驾驶员疲劳状态检测系统的研究具有重要的理论意义与现实意义。本文利用模式识别技术,重点利用其在二类问题分类方面的优势,通过分析驾驶员脸部肤色信息特征,提取驾驶员肤色纹理特征构成特征向量匹配分类器完成驾驶员脸部图像的识别,在此基础上构建准则函数分类器实现眼睛定位识别,从而构建了驾驶员疲劳状态检测系统。本文的核心内容包括驾驶员图像的预处理、驾驶员脸部图像识别、驾驶员脸部追踪、驾驶员眼睛定位,并且选择PERCLOS算法最终实现了疲劳状态检测的预警工作。在驾驶员图像预处理方面利用泛函分析的知识构建了关于真图表面积最小的数学模型实现对驾驶员图像的初步去噪,在此基础上结合形态学腐蚀和膨胀原理完成了驾驶员图像最终去噪工作。为了给后面的眼睛定位工作带来方便,在图像预处理的时候还使用了频域增强、直方图均衡化、傅里叶变换等技术。在驾驶员脸部识别方面提出了利用共生矩阵计算得到的肤色纹理特征构建特征向量匹配分类器的方法将肤色与非肤色进行分类处理,从而实现脸部图像与背景图像的分离;在驾驶员脸部追踪方面利用了camshift算法使得即使在驾驶员头部轻微运动的情况下也能很好的跟踪识别出驾驶员的脸部图像。在驾驶员眼睛定位方面利用纹理特征向量构建了准则函数分类器,并且综合利用了Tanimoto测度的原理最终实现了驾驶员眼睛的识别;最终应用PERCLOS算法完成了驾驶员疲劳状态检测系统的研究。最后,文章对驾驶员疲劳状态检测系统进行了置信度分析,包括识别能力和计算复杂度;还利用ROC曲线对系统进行了有效性验证,结果表明系统基本符合要求。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景及意义
• 1.2 驾驶员疲劳状态检测系统研究现状
• 1.3 本文研究内容
• 第2章 模式识别技术与疲劳状态检测系统结构
• 2.1 模式识别技术
• 2.1.1 贝叶斯决策论
• 2.1.2 最近邻规则与距离度量
• 2.1.3 SVM分类器
• 2.1.4 特征向量匹配
• 2.1.5 求解最小代价路径的Bellman最优化原理
• 2.2 模式识别系统的构成
• 2.3 驾驶员疲劳驾驶机理分析
• 2.4 基于PERCLOS的驾驶员疲劳状态检测方法
• 2.5 驾驶员疲劳状态检测系统结构
• 2.6 本章小结
• 第3章 驾驶员图像预处理
• 3.1 驾驶员脸部图像的去噪
• 3.2 驾驶员脸部图像增强
• 3.2.1 频域增强
• 3.2.2 直方图均衡化
• 3.2.3 边缘检测
• 3.3 本章小结
• 第4章 驾驶员脸部识别与眼睛定位
• 4.1 驾驶员脸部识别
• 4.1.1 驾驶员脸部图像纹理特征提取
• 4.1.2 驾驶员脸部识别
• 4.2 驾驶员脸部图像追踪
• 4.3 驾驶员眼睛定位识别
• 4.4 本章小结
• 第5章 驾驶员疲劳状态检测系统置信度分析
• 5.1 性能评价
• 5.1.1 识别能力
• 5.1.2 计算复杂度
• 5.2 ROC曲线
• 5.3 本章小结
• 结论
• 参考文献
• 致谢