采用ELM的基于眼部狀態(tài)的駕駛員疲勞檢測(cè)方法的研究.pdf

1、目前，交通安全問題成為世界性的廣泛話題，根據(jù)統(tǒng)計(jì)，大約有40％的交通安全問題來自疲勞駕駛。研究駕駛員疲勞監(jiān)測(cè)方法，用以預(yù)防交通事故的發(fā)生，具有非常重要的現(xiàn)實(shí)意義。
　　本文在對(duì)現(xiàn)有的駕駛員疲勞檢測(cè)相關(guān)技術(shù)進(jìn)行深入分析的基礎(chǔ)上，對(duì)視頻分析方法進(jìn)行了深入的研究，提出了一種采用ELM(Extreme LearningMechine，極限學(xué)習(xí)機(jī))技術(shù)的、基于眼部狀態(tài)的駕駛員疲勞監(jiān)測(cè)方法。首先，通過基于皮膚顏色的視圖分割方法來進(jìn)行檢測(cè)駕駛員

2、的臉部。接著采用KLT(Kanade-Lucas-Tomassi)算法，對(duì)臉部檢測(cè)數(shù)據(jù)進(jìn)行跟蹤并截取出每幀圖像。然后，通過使用一個(gè)積分映射函數(shù)用來估測(cè)眼睛的區(qū)域，以檢測(cè)眼睛張開或者閉合的狀態(tài)。進(jìn)而計(jì)算一組幀圖像中的眼睛開閉程度距離，并基于上述數(shù)據(jù)進(jìn)行特征抽取（眨眼頻率和眼睛關(guān)閉時(shí)間）。由于在面向視頻的計(jì)算中進(jìn)行多次迭代計(jì)算，數(shù)據(jù)量將非常龐大而且時(shí)間復(fù)雜度很高。為了降低時(shí)間復(fù)雜度，減少計(jì)算量，引入了滑動(dòng)窗口的數(shù)據(jù)處理方式進(jìn)行實(shí)時(shí)計(jì)算。最后