基于KFEP算法的駕駛員疲勞狀態(tài)檢測(cè)方法研究.pdf

1、伴隨我國(guó)經(jīng)濟(jì)實(shí)力的增長(zhǎng)和公路交通的不斷發(fā)展，汽車總量和駕駛員人數(shù)也隨之增多，這也導(dǎo)致了潛在的交通安全問(wèn)題隨之與日俱增。疲勞駕駛是導(dǎo)致交通事故的重要原因之一。所以，對(duì)駕駛員進(jìn)行疲勞狀態(tài)的實(shí)時(shí)檢測(cè)，并在檢測(cè)到疲勞時(shí)對(duì)駕駛員進(jìn)行預(yù)警，敦促其盡快結(jié)束疲勞駕駛行為。這對(duì)減少因疲勞駕駛而導(dǎo)致的交通事故、保障駕駛員及他人的人身財(cái)產(chǎn)安全具有極其重要的意義。
　　在各類疲勞狀態(tài)檢測(cè)方法中，PERCLOS算法是根據(jù)駕駛員眼睛閉合時(shí)間的比率進(jìn)行疲勞狀態(tài)

2、判定，與駕駛員的疲勞相關(guān)程度極高，但同時(shí)也存在一定的限制因素和缺陷。本文對(duì)基于PERCLOS算法疲勞狀態(tài)檢測(cè)方法進(jìn)行相關(guān)研究與改進(jìn)，主要工作及成果如下：
　?。?）針對(duì)駕駛員的差異化眨眼頻率導(dǎo)致原始的PERCLOS算法疲勞判定閾值難以選取的問(wèn)題，本文采用濾波方法解決。在綜合分析比較多種濾波算法后，考慮使用卡爾曼濾波算法以濾除駕駛員非疲勞狀態(tài)下眨眼動(dòng)作的影響。研究并提出卡爾曼濾波增強(qiáng)的PERCLOS算法（KFEP），實(shí)現(xiàn)對(duì)疲勞狀態(tài)檢

3、測(cè)方法的改進(jìn)。
　?。?）本文采用層次化的處理方法實(shí)現(xiàn)疲勞特征值的提取。首先使用基于類Haar特征的Adaboost算法對(duì)人臉進(jìn)行檢測(cè)與定位。其次根據(jù)人眼的固有位置對(duì)人眼區(qū)域進(jìn)行粗定位。然后對(duì)比分析多種二值化圖像分割方法，結(jié)合人眼區(qū)域的特征，提出二分局部均值聚類（BisectingLocal Means Clustering）方法用于人眼圖像的二值分割，并進(jìn)行人眼的精確定位。最后，通過(guò)得到的人眼二值圖像，計(jì)算規(guī)格化的上下眼瞼最大高

4、度差值，從而得到所需疲勞特征值。
　　（3）通過(guò)仿真實(shí)驗(yàn)的方式，分兩步對(duì)本文研究?jī)?nèi)容進(jìn)行了實(shí)現(xiàn)和檢驗(yàn)。首先對(duì)疲勞特征值提取方法進(jìn)行最優(yōu)參數(shù)選取及仿真實(shí)驗(yàn)。該實(shí)驗(yàn)結(jié)果證明了本文所研究疲勞特征值提取方法的有效性。然后，基于疲勞特征值提取方法，對(duì)卡爾曼濾波參數(shù)進(jìn)行最優(yōu)選取，并比較分析了濾波前后對(duì) PERCLOS算法的影響。該實(shí)驗(yàn)結(jié)果證明本文所研究的基于卡爾曼濾波增強(qiáng)的PERCLOS算法克服了原始的PERCLOS算法缺陷，能夠更好的實(shí)現(xiàn)疲