详情

原文传递多特征融合的疲劳驾驶检测方法研究

论文题名：	多特征融合的疲劳驾驶检测方法研究
关键词：	疲劳驾驶;检测方法;AdaBoost算法;多特征融合;图像处理
摘要：	随着社会经济的快速发展，机动车辆与日俱增，随之引起的疲劳驾驶事故受到人们的高度重视。国内外相关的交通统计数据表明，因疲劳驾驶引发的交通事故占所有交通事故的比重逐年增加。因此，研究出一种能够准确、实时地检测出驾驶员是否进入疲劳状态的方法具有很重要的现实意义和社会意义。　　在驾驶员疲劳检测过程中，系统如何准确、实时地对驾驶员的疲劳状态进行判定是关键。然而国内外针对驾驶员产生疲劳时的实际情况所研究出的疲劳检测方法存在检测器尺度单一，检测结果不够准确等不足。为解决上述问题，本文利用数字图像处理技术、模式识别技术以及计算机视觉的相关算法，提出一种面部多特征融合的疲劳驾驶检测方法。本文的主要工作分为以下四个方面：　　（1）疲劳驾驶检测方法的方案研究。通过分析检测过程的关键环节和预期目标，采用面部疲劳特征融合的设计思路：首先通过分析驾驶员处于疲劳状态下的生理特征，确定出能反映驾驶员疲劳的面部有效特征来进行研究，其次采用模块化的思想和实验仿真的理念，将检测过程分为人脸定位检测、面部疲劳区域定位检测和疲劳状态判断三大模块，并进行每个模块的辅助工作。借助 Matlab软件平台，实现总体方案的检测过程与数据提取，根据特征数据来综合判断驾驶员的疲劳状态。　　（2）驾驶员面部疲劳区域检测的方案研究。在研究了驾驶员产生疲劳时的面部特征变化后，选取最具代表性的眼部和嘴部作为检测对象来判断疲劳状态。通过分析疲劳区域的检测过程，设计出使用 Haar-like特征表示人脸面部特征，积分图快速计算特征值，AdaBoost级联分类器检测面部疲劳区域，同时采用“三庭五眼”的分布缩小眼睛和嘴巴区域定位的检测方案。并在检测眼部和嘴部位置时，加入变换检测窗口尺度的思想，进行多尺度检测，确保准确实时地完成面部疲劳区域的定位检测。　　（3）驾驶员眼部区域的疲劳状态判定。针对眼睛产生疲劳时的表象，选用驾驶员眼睛的高宽比来确定眼睛的睁闭状态。通过计算每一帧图像的眼部高宽比值，确定眼部清醒帧和疲劳帧，最后根据PERCLOS（Percentage of Eyelid Closure Over the Pupil Time，眼部疲劳帧占检测时间内总帧数的百分比）原理来判断驾驶员是否进入疲劳状态，设定阈值为0.7，如果PERCLOS值大于该阈值，则判定驾驶员已经疲劳。　　（4）驾驶员嘴部区域的疲劳状态判定。通过分析嘴部产生疲劳时的表象，选用驾驶员嘴部的高宽比来确定是否有打哈欠现象，同时为避免类打哈欠（突然张大嘴等）现象的出现，提出更人性化的嘴部疲劳判别参数，即相邻两次哈欠之间的周期时间 Tyawn。通过计算每一帧图像的嘴部高宽比值，确定嘴部清醒帧和疲劳帧，统计疲劳帧持续出现的时间，如果持续时间超过3s则判定驾驶员有打哈欠现象，并记录相邻两次哈欠之间的周期时间，如果周期时间 Tyawn小于一定阈值，则说明驾驶员在频繁打哈欠，已经进入疲劳状态。　　根据眼部疲劳参数和嘴部疲劳参数综合对驾驶员是否进入疲劳状态进行判定，以避免单一特征的误判。通过实验室环境下的仿真过程和实验结果，可以看出本文提出的检测方法各个模块均可独立应用，且整体运行良好，具有较好的实时性和准确性。
作者：	周玲羽
专业：	软件工程
导师：	贾小云
授予学位：	硕士
授予学位单位：	陕西科技大学
学位年度：	2017
正文语种：	中文