基于視覺的疲勞駕駛預(yù)警系統(tǒng).pdf

1、近年來，我國機動車和駕駛?cè)说臄?shù)量迅猛增長，在給人們生產(chǎn)生活帶來便捷的同時，也帶來了不容忽視的安全隱患。據(jù)統(tǒng)計，每年全球發(fā)生道路交通事故多達10億次，占全球安全事故總數(shù)的90％左右，導(dǎo)致的受傷人數(shù)約有2500萬人，同時造成50萬人死亡。相關(guān)調(diào)查表明，疲勞駕駛是交通事故發(fā)生的主要原因之一。因此，對于疲勞駕駛檢測技術(shù)的研究具有非常重要的現(xiàn)實意義和應(yīng)用價值。一個有效的疲勞駕駛預(yù)警系統(tǒng)可以檢測到疲勞的早期階段，并且在司機面臨危險時發(fā)出警告，這樣有

2、利于減少有關(guān)疲勞駕駛的交通事故發(fā)生。
　　本文首先利用AdaBoost算法進行人臉定位;然后利用AdaBoost算法結(jié)合擴展的Haar-like特征來定位人眼和分析人眼狀態(tài);最后利用PERCLOS準(zhǔn)則和眨眼頻率判斷駕駛員的疲勞狀態(tài)，得出是否疲勞的結(jié)果。本文的主要工作如下:
　　1.通常情況下，人眼區(qū)域的圖像都很小，并且不太清晰，那么大量的眼睛特征就容易被忽略，進而造成誤判。本文在已有的Haar-like特征的基礎(chǔ)上，根據(jù)人眼

3、的結(jié)構(gòu)特點，設(shè)計了五種擴展的Haar-like特征。實驗表明，基于擴展的Haar-like特征進行人眼檢測能有效地避免由于眼睛和眉毛等其他物體非常相似而引起的誤判，具有檢測精度較高的優(yōu)點。
　　2.考慮到單一參數(shù)判斷駕駛員疲勞狀態(tài)的不準(zhǔn)確性，本文將單位時間內(nèi)的閉眼幀數(shù)與眨眼次數(shù)結(jié)合起來考慮，并將其作為本文判斷疲勞狀態(tài)的規(guī)則。計算出單位時間內(nèi)人眼閉合圖像幀數(shù)與圖像總幀數(shù)的比值以及眨眼次數(shù)，以此來判斷駕駛員是否疲勞駕駛。實驗結(jié)果表明，