基于红外图像的驾驶员疲劳监控系统研究

论文摘要

随着交通运输业的迅速发展,交通事故已成为当前各国所面临的严重的安全问题。驾驶员疲劳驾驶已成为引发交通事故的一个主要因素,用基于机器视觉的方法来检测并监控驾驶员的疲劳驾驶,在实时性、准确性、非接触性、适用性及经济性等方面均比其他监控方法有更大的优势,所以该方法已经成为当前研究的一个热点。本文在大量研究前人工作的基础上,认为夜间是驾驶员疲劳驾驶的主要多发阶段,因此本文使用了特殊的红外光源摄像头拍摄驾驶员正面面部图象,并根据红外图象所具有的特点提出了一个有效的驾驶员疲劳检测方法,整个方法分为四个过程：人脸的检测与定位,人眼状态的判别,人脸嘴部的状态和驾驶员疲劳状态识别。本文的主要研究内容如下：人脸的检测与定位。人脸检测与定位是驾驶员疲劳监测的前期准备工作。传统的驾驶员面部检测方法多采用基于肤色分割的算法和基于灰度投影这两种方法。这两种方法对光照都有较高的要求,如果光照不均匀,光照不足或者发生姿态变化,都将难以有效的定位出人脸。本文首先进行人脸的粗略检测,利用红外人脸图象面部区域亮度较高,背景简单的优势,采用Otsu算法对图象进行二值化处理,然后提出了一种垂直和水平投影与区域连通相结合的算法进行人脸准确定位。这种人脸检测定位方法不仅能够准确的定位人脸,而且受光照的影响相对较小,对姿态变化不敏感,很好的解决了肤色分割和垂直投影受光照影响定位不准确的缺点。人眼状态的判别。人眼定位是驾驶员疲劳检测中的重要部分,以往传统的方法都是在定位到人眼之后,然后找到眼睛或者周围的特征点,再依据特征点对眼睛的状态进行判断其状态。本文在仔细分析红外图象特点的基础上,运用多种二值化算法对人脸图像进行图像处理,然后进行对比比较,吸取Otsu算法和Niblack算法各自的优点,进行不同的处理方式,判别人眼的闭合状态,避免了复杂的运算,而且判断准确,算法速度快,完全地满足了实时性的要求。嘴部状态的判别。嘴部的闭合作为疲劳检测的一个辅助参数,以前的嘴部定位在眼睛定位中会起到基础的作用,眼睛的定位是以嘴部的定位为基础的。嘴部的定位是靠嘴唇的红色色素点来进行确定的,而在红外照片中,图片已经失去了肤色信息,本文根据驾驶员打哈欠时下颚移动的特点,间接根据人脸下颚面积变化判别驾驶员是否疲劳。本文根据Mamd ani算法,采用融合驾驶员眼睛状态和嘴部状态变化的方法判断驾驶员疲劳状态,该方法针对夜间是驾驶员疲劳驾驶的高发时期,采用红外光做为光源,解决了夜间微光不稳定,时有时无的问题,所采用算法简单有效,复杂度低,不仅对光照的影响不敏感,而且具有较好的容错性和鲁棒性。本文采用MATLAB7.0开发驾驶员疲劳监控系统中人脸定位与判别的算法,并进行相关的仿真实验,以表明上述研究的正确性。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 驾驶员疲劳监控系统的国内外研究现状和发展趋势
• 1.2.1 疲劳驾驶的监测方法
• 1.2.2 国外的研究现状和发展趋势
• 1.2.3 国内的研究现状和发展趋势
• 1.2.4 红外图象疲劳检测研究现状
• 第2章 驾驶员疲劳监控系统的主要构成
• 2.1 概述
• 2.2 监控系统的图像采集模块
• 2.2.1 红外技术及红外摄像头的介绍
• 2.2.2 视频采集卡介绍
• 2.2.3 计算机
• 2.3 监控系统的图像处理模块
• 2.4 人脸红外图像的特点
• 第3章 人脸的检测与定位
• 3.1 人脸检测中主要遇到的问题
• 3.2 人脸检测中采用的主要方法
• 3.3 本文采用的人脸定位算法
• 3.3.1 人脸图像的预处理
• 3.3.2 改进的中值滤波算法：自适应中值滤波算法
• 3.3.3 人脸图像的二值化
• 3.3.4 人脸区域识别
• 3.4 人脸跟踪
• 3.4.1 卡尔曼滤波跟踪面部的算法
• 3.4.2 卡尔曼算法在本文中的应用
• 3.4.3 卡尔曼滤波跟踪面部的实验
• 第4章 驾驶员眼部状态判断
• 4.1 人眼检测方法的概述
• 4.1.1 灰度模板方法
• 4.1.2 投影的方法
• 4.1.3 Hough变换的方法
• 4.2 当前人眼检测存在的问题
• 4.3 本文设计的眼睛闭合判断方法
• 4.3.1 二值化方法综述
• 4.3.2 二值化方法的交叉使用
• 4.3.3 驾驶员疲劳判断的量化计算
• 第5章 驾驶员嘴部状态判断
• 5.1 嘴巴检测定位算法综述
• 5.2 本文采用的判断嘴部闭合的原理
• 5.3 驾驶员嘴部状态具体判别
• 5.3.1 驾驶员嘴部闭合与打哈欠时的状态
• 5.3.2 驾驶员与摄像头成不同角度的数据对比
• 5.3.3 驾驶员说话时与前面两种状态的对比
• 5.3.4 多面孔采样并进行量化计算
• 5.4 与传统肤色定位嘴唇算法的对比
• 第6章 驾驶员的疲劳识别与预警
• 6.1 基于模糊控制的疲劳识别方法概述
• 6.1.1 模糊控制的基本理论
• 6.1.2 隶属度函数的确定方法
• 6.1.3 隶属度函数图形分布的几种形式
• 6.1.4 隶属度函数形状对控制特性的影响
• 6.2 本文采用的模糊控制
• 6.3 Fuzzy推理模型的mamdani算法
• 6.4 驾驶员疲劳状态分析及预警方式
• 第7章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢