基于ARM平臺(tái)的駕駛疲勞檢測(cè)系統(tǒng)的研究.pdf

1、眾所周知，疲勞駕駛已經(jīng)成為交通事故發(fā)生的重要原因之一。它所帶來(lái)的行車(chē)安全隱患也逐漸受到大眾的廣泛關(guān)注。因此，預(yù)防疲勞駕駛也逐漸成為當(dāng)前研究的主要熱點(diǎn)之一。
　　目前，駕駛疲勞檢測(cè)中多數(shù)是基于人臉表情狀態(tài)的判斷，本文也是基于ASM算法而建立的根據(jù)人眼狀態(tài)來(lái)判斷的疲勞檢測(cè)系統(tǒng)。本文的重點(diǎn)是:針對(duì)ASM算法在表情豐富、姿態(tài)多變以及光照非均勻情況下，對(duì)人臉定位不理想的問(wèn)題，提出了2D十字型Gabor模型;即以特征點(diǎn)為中心建立2D十字型搜索

2、區(qū)域，并在區(qū)域內(nèi)建立概率密度估計(jì)模型，通過(guò)概率分布差異度模型來(lái)判斷最佳搜索位置;然后將改進(jìn)的局部特征與Gabor小波特征進(jìn)行融合，完成2D十字Gabor模型的建立。本方法將原來(lái)的搜索區(qū)域由一段線(xiàn)性區(qū)域增加到2D十字型區(qū)域，增加了特征點(diǎn)的灰度信息，過(guò)濾掉了光照的影響，從而提高了算法的準(zhǔn)確性和魯棒性。
　　為了更進(jìn)一步提高眼睛定位的準(zhǔn)確性，本文提出積分投影與局部ASM算法相結(jié)合的方法實(shí)現(xiàn)眼睛的兩次定位，根據(jù)方差最小原則來(lái)確定兩種結(jié)果的

3、權(quán)重，最終根據(jù)權(quán)重參數(shù)計(jì)算出眼睛的位置。
　　在此基礎(chǔ)上，本文設(shè)計(jì)了一種基于ARM的疲勞駕駛檢測(cè)系統(tǒng)，首先，利用改進(jìn)后的ASM算法對(duì)采集的圖像進(jìn)行人臉和人眼定位;然后，對(duì)定位的人臉區(qū)域進(jìn)行積分投影處理，再次確定人眼位置，并通過(guò)權(quán)重參數(shù)確定最終人眼位置;最后，采用積分投影的人眼狀態(tài)識(shí)別方法，然后在基于PERCLOS疲勞判別方法的基礎(chǔ)上，結(jié)合眨眼頻率的判別方法，利用這兩個(gè)參數(shù)來(lái)判斷駕駛員的疲勞狀態(tài)。
　　硬件平臺(tái)采用友善之臂公司