论文部分内容阅读
背景现在,疲劳驾驶是交通事故发生的首要原因,给社会和人民带来了巨大的损失,如果能够提前发现驾驶员疲劳驾驶,那么就能有效的避免很多交通事故。因此本课题具有非常大的社会价值。人的生理状态会在疲劳的时候发生比较明显的变化,人眼尤为突出,因此人脸识别技术是目前最方便的疲劳检测方法,并且可以在不干扰驾驶员的基础上进行检测。其中人眼特征识别是人脸识别中最重要的特征提取,直接影响识别技术的效果。目前疲劳监测算法通常用PERCLOS(Percentage of Eyelid Closure Over The Pupil OverTime)标准,但是PERCLOS目前有几种标准,需要进一步验证哪种PERCLOS标准更符合驾驶员疲劳监测。目的制作基于人脸识别技术的电脑软件,通过PERCLOS标准来监测人体疲劳,在达到疲劳阈值的时候发出警报。方法本文在研究灰度投影法和Hough变换法后发现单一方法对人脸人眼的识别均不能达到制作疲劳驾驶系统要求,然后对比分析了三种目前技术公司提供的整合识别方案后,使用百度提供的API和SDK进行识别,获取人脸关键点坐标信息,通过多样本单图片,单样本连续图片,多样本连续图片的数据构建模型后,简化算法和确定一般参照物的方法,计算PERCLOS值,并根据数据结果尝试更有效的PERCLOS阈值。结果1.程序制作完成,数据调用成功。2.多样本单图片识别率99%。3.单样本连续图片构建技术算法和确认一般参照物成功,符合PERCLOS标准。4.多样本连续图片数据符合预期的PERCLOS标准结果。结论人脸识别的技术在制作疲劳监测系统是可行的。数据表明驾驶员疲劳标准在疲劳阈值是0.4时,PERCLOS80标准比PERCLOS70标准更加符合普通驾驶员的疲劳监测系统标准。