论文部分内容阅读
随着汽车持有量的持续增加和公路级别的不断提高,全世界的公路交通事故频繁发生,交通安全问题日益严重。有关部门调查结果显示,驾驶员疲劳驾驶是导致重大交通事故的主要原因之一。因此研究和设计一套准确、高效的驾驶员疲劳驾驶检测系统,及时地对驾驶员进行疲劳驾驶预警具有重要的意义和实用价值。基于面部特征状态的疲劳检测方法因其具有非接触性、实时性好、准确性高等优点,已经成为疲劳检测的主流研究方向。本文结合吉林省教育厅“十二五”资助项目(编号:2015097)、吉林省发改委资助项目(编号:2015Y067),在对国内外疲劳驾驶检测技术进行了广泛调研的基础上,运用机器视觉、图像处理、目标检测及特征提取等技术对与疲劳有关的外在生理特征进行检测和状态分析,并依据相应疲劳判断准则,建立了基于驾驶员面部特征的疲劳驾驶检测系统。该检测系统主要包括四个模块:图像捕捉模块、图像预处理模块、特征检测提取模块和特征分类识别模块。本文对其中特征检测提取和特征分类识别模块做了重点研究,主要包括驾驶员人脸检测、人脸跟踪定位、面部特征检测与状态识别以及基于面部特征的疲劳状态识别与分析。本文主要研究内容如下:首先,运用计算机、摄像头、Visual Studio等软硬件设备构建检测系统平台。在对采集的图像进行预处理的基础上,选择MB-LBP特征作为分类特征,运用AdaBoost算法和级联的方法训练人脸分类器,根据得到分类器进行人脸检测和定位,实现对驾驶员人脸区域的实时检测。针对Camshift跟踪算法的不足,提出结合卡尔曼滤波器预测的Camshift跟踪算法,实现对人脸区域的实时跟踪;其次,使用梯度回归树算法,对已标定人脸特征点位置的样本图像进行训练,得到人脸模型,使用该模型对检测出的人脸进行眼睛和嘴巴特征定位。然后使用椭圆拟合算法,设置阈值判断眼睛和嘴巴的状态,并依照相应疲劳判断准则识别驾驶员的疲劳程度。最后,为验证所提出的疲劳驾驶检测算法的准确性,本文在本田家用轿车上进行了疲劳驾驶检测试验,通过安置在前挡风玻璃上的带有红外功能的COMS摄像头采集驾驶员面部图像,使用计算机作为数据处理平台进行数据计算与分析。试验内容包括驾驶员人脸区域检测与跟踪、面部特征检测与特征状态识别、以及基于面部特征的疲劳状态识别与分析。试验结果表明,该系统具有很好的准确性、实时性和鲁棒性。