原文传递
基于信息融合的疲劳驾驶检测算法研究
| 论文题名： | 基于信息融合的疲劳驾驶检测算法研究 |
| 关键词： | 动态PERCLOS值;Adaboost算法;疲劳驾驶;信息融合;人脸检测 |
| 摘要： | 近年来,随着经济的快速发展,汽车保有量大幅增加,但相应的交通管理和公路基础设施还不够完善,导致交通事故频发,道路安全已成为中国一个严重的社会问题。据统计,在众多的交通事故,尤其是交通死亡事故中,驾驶员的疲劳驾驶是最重要原因。因此,展开疲劳检测相关算法的研究具有重大的实际意义,并且当今疲劳检测也是智能交通运输系统的研究热点之一。 本文利用视频分析、信息融合等技术融合多个疲劳特征,实现一个基于视觉的驾驶员疲劳预警系统,能够实时检测驾驶员当前所处的状态。具体的方法为:在人脸检测和定位的基础上,实现人脸自动跟踪、人眼定位和嘴巴定位;然后提取眼部、头部和嘴部等多个相关的疲劳特征;最后再结合时间参数利用支持向量机算法融合上述疲劳参数综合判定驾驶员的状态。 在人脸检测阶段,首先利用图像处理相关技术完成图像的预处理,然后使用基于Adaboost算法训练出的级联分类器进行人脸检测,返回人脸在图像中的位置和大小。根据返回结果,设置用于跟踪的人脸矩形大小,利用Camshift算法实现人脸的自动跟踪。 人眼检测在人脸定位的基础上实现。在检测到人脸区域内,首先根据人脸的几何分布特征,缩小人眼的搜索区域;然后再运用级联分类器检测定位人眼;最后在定位的人眼区域内使用灰度化、边缘检测和图像形态学等算法,获取人眼的边缘信息也就是轮廓特征,根据轮廓更新人眼区域,精确定位人眼。嘴部区域检测时,根据“三庭五眼”先验知识设置搜索区域,然后利用积分投影的方法定位出其位置。 本文结合驾驶员容易发生疲劳时间段提取动态PERCLOS值、点头频率、眨眼频率、闭眼持续时间和哈欠频率等疲劳参数。由于各个参数的评判标准不一,需对各个疲劳参数进行归一化,使其都落在[0,1]区间内。最后采用SVM(Support Vector Machine)算法融合上述各个疲劳特征,综合判断驾驶员的当前状态。在实验室环境下,仿真实现该算法,并完成不同光照强度、头部运动和速度等测试,结果表明:在正常的光照的条件下,对于640*480像素的图像,能够实时检测驾驶员所处的状态。 |
| 作者： | 姜兆普 |
| 专业： | 计算机科学与工程 |
| 导师： | 许勇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 桂林电子科技大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
