駕駛員疲勞特征提取方法的研究及檢測系統(tǒng)的設(shè)計.pdf

1、在經(jīng)濟與科技發(fā)展的推動作用下，越來越多的上班族以汽車作為交通工具，這樣既方便了出行又節(jié)省了時間。但是，道路上出現(xiàn)的事故伴隨著汽車的普遍應(yīng)用也出現(xiàn)了井噴式的增長。根據(jù)調(diào)查研究與科學(xué)統(tǒng)計，在發(fā)生交通事故的各種原因中，疲勞駕駛成為主要原因。盡管如此，由于檢測技術(shù)及軟件處理的不成熟與不完善，使得檢測駕駛員疲勞程度的產(chǎn)品還不能得到廣泛的引用，從而沒能減輕甚至杜絕類似交通事故的發(fā)生，造成了不可估量的生命與財產(chǎn)的損失。
　　本研究采用Adabo

2、ost算法，在計算出人臉Haar特征之后用于人臉的檢測。在算法的使用中發(fā)現(xiàn)，其速度和對傾斜時人臉的檢測有很多不足。因此，在后期引入了KCF跟蹤算法，并把這兩者進行結(jié)合，在應(yīng)用對比后發(fā)現(xiàn)，此改進無論在時間上還是對傾斜人臉的檢測上，都有相當(dāng)大的提升。然后，論述了眼睛特征提取、頭部特征提取和嘴部特征提取的方法：在提取眼睛狀態(tài)的時候，首先根據(jù)先驗知識確定眼睛子窗口，進行二值化處理之后利用灰度積分投影分別提取出單個眼睛窗口，并求出各眼睛區(qū)域的最小

3、的外接矩形，以矩形面積大小確定眼睛狀態(tài)；提取嘴部狀態(tài)時，根據(jù)先驗知識提取出鼻孔和嘴部區(qū)域，并針對傳統(tǒng) Canny邊緣檢測存在的不足采用自適應(yīng)邊緣檢測算法得到鼻孔和嘴部輪廓，根據(jù)鼻孔到上下嘴唇間距離的比值確定出嘴巴的狀態(tài)；對頭部特征的確定則是根據(jù)人臉矩形框坐標位置的變化得出的。在對疲勞特征提取算法進行論述之后，介紹了疲勞狀態(tài)判定的方法，針對利用單特征進行疲勞檢測存在的不足，提出融合眼睛特征、嘴部特征和頭部特征進行檢測的方法，該方法提高了檢