基于Adaboost和主動性狀模型相結(jié)合的駕駛員疲勞檢測算法研究.pdf

1、隨著國家交通運輸行業(yè)的不斷發(fā)展進步，交通事故也在逐日增加。在引發(fā)交通事故的各項因素中，疲勞駕駛所占比重越來越大。為了降低交通事故次數(shù)，保證駕駛員和行人的生命安全，開展駕駛員疲勞狀態(tài)自動檢測研究具有重要現(xiàn)實意義。本文基于機器視覺原理，首先實現(xiàn)了Adaboost和主動性狀模型（ASM）相結(jié)合的駕駛員疲勞檢測軟件系統(tǒng)。然后為了提升疲勞檢測的穩(wěn)健性做了兩方面的改進：一方面使系統(tǒng)可以適應(yīng)駕駛員姿態(tài)和環(huán)境光照因素等影響；另一方面將Perclos算法

2、、眨眼頻率、打哈欠頻率和持續(xù)閉眼時間等指標(biāo)結(jié)合起來綜合判定駕駛員的疲勞狀態(tài)。具體研究工作闡述如下：
　?。?）基于Adaboost和主動性狀模型相結(jié)合的駕駛員疲勞檢測軟件系統(tǒng)研制
　　人眼定位是駕駛員疲勞檢測中的關(guān)鍵一環(huán)。為了提升人眼定位的準(zhǔn)確性，本文結(jié)合Adaboost算法和主動性狀模型（ASM）各自的優(yōu)勢，并以上述兩個算法為核心，基于OpenCV平臺研制開發(fā)了一套駕駛員疲勞檢測軟件系統(tǒng)。系統(tǒng)首先將采集到的人臉圖像進行Ad

3、aboost人臉檢測，然后將檢測到的人臉區(qū)域位置信息傳遞給ASM算法，作為匹配域的初始化位置，在匹配完成后即可得到準(zhǔn)確的人眼位置。大量模擬實驗結(jié)果表明，該軟件系統(tǒng)能順利進行疲勞駕駛狀態(tài)檢測，駕駛員圖像采集及預(yù)處理、人臉檢測、人眼定位、疲勞駕駛狀態(tài)判定等各項功能齊備，人眼定位準(zhǔn)確率高。
　?。?）適應(yīng)駕駛員姿態(tài)及環(huán)境光照等因素影響的疲勞駕駛穩(wěn)健檢測算法研究
　　傳統(tǒng)的疲勞駕駛檢測系統(tǒng)往往沒有考慮駕駛員的姿態(tài)變化以及環(huán)境光照等因

4、素的影響。本文從這兩點出發(fā)，設(shè)計出一種更加穩(wěn)健的疲勞駕駛檢測算法。在Adaboost和ASM相結(jié)合的人眼定位基礎(chǔ)上，算法首先通過歸一化人臉圖像并且在檢測不到人臉的情形下進行旋轉(zhuǎn)等手段，使檢測系統(tǒng)可以適應(yīng)駕駛過程中經(jīng)常出現(xiàn)的駕駛員偏頭情形；其次通過補充人臉訓(xùn)練樣本和引入直方圖均衡等手段，使其可以更好的適應(yīng)駕駛中出現(xiàn)的各種光照環(huán)境。對模擬視頻進行檢測實驗，結(jié)果表明穩(wěn)健檢測算法可以更準(zhǔn)確定位人眼的位置。不僅可以有效的適應(yīng)偏頭情況，并且可以消除

5、光照因素的影響，提升了檢測系統(tǒng)的穩(wěn)健性。
　?。?）Perclos算法與眨眼頻率、打哈欠頻率和持續(xù)閉眼時間相結(jié)合的綜合疲勞駕駛狀態(tài)判定
　　針對Perclos算法在疲勞狀態(tài)判定時的局限性，本文提出將眨眼頻率、打哈欠頻率和持續(xù)閉眼時間等也一并作為判斷駕駛員疲勞狀態(tài)的標(biāo)準(zhǔn)。系統(tǒng)首先通過人眼閉合程度計算Perclos值，并且與此同時計算駕駛員眨眼頻率、打哈欠頻率和持續(xù)閉眼時間。無論Perclos值如何，如果眨眼頻率過高或過低，則判