基于深度信息和彩色圖像的疲勞駕駛檢測研究.pdf

1、隨著國民經(jīng)濟(jì)的迅速發(fā)展，廣大人民的購買力迅速提高，對于平常代步出行的汽車不再陌生，其擁有量屢屢達(dá)到新高。但隨之而來的車輛行駛問題也受到社會更多的關(guān)注，交通事故等問題日益突出。而數(shù)量如此多的交通事故頻頻發(fā)生人為的因素占其中絕大部分，駕駛員在感覺疲勞的時候仍然繼續(xù)駕駛，從而導(dǎo)致了悲劇的產(chǎn)生。因此實(shí)時監(jiān)控駕駛員駕駛狀況，當(dāng)駕駛員處于疲勞狀態(tài)時及時預(yù)警，顯得十分重要。本文總結(jié)了常見的疲勞駕駛檢測的方法，然后確定了使用當(dāng)前較為主流的方法-基于計算

2、機(jī)視覺進(jìn)行檢測。利用 Kinect可以同時獲取深度信息和彩色圖像的特點(diǎn)，利用兩者分別檢測頭部姿態(tài)和眼睛狀態(tài)，綜合判斷疲勞駕駛。
　　本文首先利用Kinect獲得駕駛員的彩色圖像，通過其判斷眼睛的狀態(tài)。首先利用AdaBoost算法進(jìn)行人臉檢測，為了加快檢測速度，進(jìn)行人臉檢測的時候可以適當(dāng)增大最小搜索窗口和縮放因子。在完成人臉檢測的基礎(chǔ)上，利用人臉五官布局的先驗(yàn)知識對人眼的區(qū)域進(jìn)行大致的劃分，并對其進(jìn)行中值濾波和二值化處理。然后進(jìn)行人

3、眼的精確定位工作，主要利用直方圖積分投影去定位人眼的中心位置，并根據(jù)中心位置得到眼眶的最小矩形區(qū)域。根據(jù)最小的眼睛矩形框設(shè)定三個參數(shù)進(jìn)行加權(quán)評價，通過模糊組合評價的方法得到人眼的狀態(tài)。然后，針對光照較暗的情形下，眼睛狀態(tài)的檢測效果不好甚至完全失效的情形。依據(jù)深度信息不受光照影響這一特點(diǎn)，提出了利用判別性隨機(jī)回歸森林實(shí)時估計頭部姿態(tài)的方法。首先介紹了決策樹構(gòu)建算法，在此基礎(chǔ)上引出了隨機(jī)森林的原理。然后在傳統(tǒng)的隨機(jī)回歸森林的基礎(chǔ)上，由于得到