基于計算機視覺的駕駛員疲勞檢測技術(shù)的研究與實現(xiàn).pdf

1、隨著世界經(jīng)濟的快速發(fā)展，汽車保有量與日俱增，由駕駛員疲勞駕駛造成的交通事故也越來越多，為了保障行駛安全和預防交通事故的發(fā)生，研究一種能有效檢測駕駛員疲勞并及時給出報警的方法有著重要的現(xiàn)實意義。
　　本文對國內(nèi)外有關(guān)疲勞檢測技術(shù)的現(xiàn)狀進行了系統(tǒng)地分析與研究，特別研究和仿真實現(xiàn)了基于計算機視覺的駕駛員疲勞檢測算法。該算法主要包括:人臉檢測、眼睛定位、眼睛跟蹤、眼睛特征提取與疲勞判斷。本文在眼睛跟蹤階段對使用Harris角點檢測算法得到

2、的角點進行篩選獲取內(nèi)外眼角，并采用KLT跟蹤算法進行跟蹤。但在實際跟蹤眼睛的過程中，無法滿足KLT算法相鄰幀間位移較小和特征窗口灰度一致性的前提，結(jié)果導致眼睛跟蹤產(chǎn)生具有累積效應的微小飄移。針對該問題，對KLT算法進行了改進:根據(jù)在眼睛特征提取過程中得到的實際眼角對基本KLT算法得到的跟蹤結(jié)果進行調(diào)整，從而消除KLT算法產(chǎn)生跟蹤飄移。另外，在眼睛特征提取階段，為了使眼睛特征提取更加簡單客觀，本文提出了基于眼睛三種狀態(tài)的特征提取方法，該方

3、法首先使用Canny邊緣檢測算法得到的人眼張合度，然后基于經(jīng)驗閾值離散人眼張合度從而確定眼睛的狀態(tài)，最后根據(jù)連續(xù)的眼睛狀態(tài)計算眼睛特征。當圖像采集失敗或者本文的算法無法從圖像中提取到眼睛特征時，本文根據(jù)此時駕駛員的疲勞程度動態(tài)地確定如何處理該幀。
　　本文在PC機上使用VS2008開發(fā)環(huán)境并基于OpenCV計算機視覺庫仿真實現(xiàn)了該算法，并對不同光照條件、不同噪聲密度和不同頭部姿態(tài)下的魯棒性和速度進行測試，測試結(jié)果表明:在正常的光照