基于人眼检测的疲劳驾驶监测技术研究

论文摘要

摘要:随着高速公路的发展和车速的提高,全世界每年的道路交通事故与日俱增。据统计,25%-30%的交通事故源于驾驶员的疲劳驾驶。因此,能否研究出一种快速、准确、实时的疲劳驾驶检测系统已成为智能交通系统领域的核心问题。为了实现精确疲劳驾驶检测,本文首先分析了驾驶疲劳产生的机理和目前的国内外疲劳驾驶检测方法,经分析对比,本文选用了实时性好、检测准确率高以及抗干扰性强的PERCLOS检测方法。本文根据研究的具体情况,对PERCLOS检测方法做了相应变换:将时间的比值转化为连续帧数的比值。PERCLOS检测方法的关键是准确的定位人眼,并判断人眼的张开度,而人眼的精确定位是以人脸的定位为前提的。本文先采用加权平均值法将彩色图像转化为灰度图像,再通过检测速度较高的Robert边缘检测法确定人脸窗口,该方法可以粗略定位人脸,提高检测速度,从而保证了检测的实时性。本文通过采用黑色连通片区域搜索法在二值化后的人脸窗口区域中搜索出若干可疑的人眼连通区,然后在这些连通区中根据人脸的结构特性,如人眼在人脸窗口区域的位置、人眼的形状大小和对称性等条件进行筛选,最终实现人眼的精确和快速定位。经实验验证,其准确度达到92%,对配戴眼镜者也有较高的准确率。本文基于人眼检测开发了一套疲劳驾驶检测系统,该系统在实验室环境下使用PC机和普通摄像头,实现了疲劳驾驶的快速检测。系统主要包括:人脸图像的捕获、人脸检测、人眼检测、人眼状态判断以及疲劳状态的判断。通过实验验证,该系统能够实时的检测到驾驶人员的眼睛,并能有效地检测出驾驶人员的疲劳,同时发出疲劳报警。该系统计算精度较高,疲劳检测准确度达80%,可以满足视频信息处理的需要。本文最后对论文的主要工作进行了总结,并分析了今后有待进一步研究的问题。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 疲劳驾驶研究的发展现状
• 1.3 本文的研究内容及组织结构
• 1.3.1 研究内容
• 1.3.2 组织结构
• 2 疲劳驾驶检测中的图像处理技术
• 2.1 概述
• 2.2 图像预处理
• 2.2.1 直方图
• 2.2.2 灰度变换
• 2.2.3 图像平滑处理
• 2.2.4 边缘检测
• 2.2.5 图像二值化处理
• 2.3 链表和连通性
• 2.3.1 链表
• 2.3.2 连通性
• 2.4 本章小结
• 3 图像采集及人脸定位
• 3.1 概述
• 3.2 实时图像处理及图像的拍摄要求
• 3.2.1 实时图像处理的要求
• 3.2.2 人脸图像的拍摄要求
• 3.3 图像捕获技术说明
• 3.4 人脸定位的方法及选择
• 3.4.1 人脸定位的经典方法
• 3.4.2 人脸定位方法选择
• 3.5 彩色图像灰度化及预处理
• 3.5.1 彩色图像灰度化
• 3.5.2 图像预处理
• 3.6 人脸窗口定位
• 3.6.1 边缘检测及二值化处理
• 3.6.2 窗口定位
• 3.7 本章小结
• 4 人眼定位及疲劳状态检测
• 4.1 眼睛特征提取的方法
• 4.2 人脸窗口中连通区的搜索
• 4.3 人脸窗口中眼睛窗口定位
• 4.4 人眼判定
• 4.5 PERCLOS疲劳检测法
• 4.5.1 PERCLOS疲劳检测原理
• 4.5.2 驾驶员疲劳检测
• 4.6 本章小结
• 5 系统实现及结果分析
• 5.1 系统实现总流程图
• 5.2 视频捕获实例
• 5.3 系统开发环境
• 5.4 实验说明及结果分析
• 5.5 本章小结
• 6 结论
• 6.1 总结
• 6.2 展望
• 参考文献
• 作者简历
• 学位论文数据集