论文部分内容阅读
随着经济与科技的高速发展,为了方便出行,私家车已经成为家家必备之物。全球数据统计显示,交通事故是导致非正常死亡的第一因素。全国公路交通安全管理局(National Highway Traffic Safety Administration)的一项研究结果表明,美国很大比例的交通事故,都是因驾驶员的疲劳驾驶所导致。所以,为了保障驾驶员以及路人的生命安全,研究疲劳驾驶实时检测系统是一项刻不容缓的任务,同时具有非凡的意义性。本文就疲劳驾驶的几种方案进行理论层次的研究,为了提高驾驶的安全性,通过对比国内外已经提出的几种疲劳检测算法,综合其优点,提出一种基于头部姿态与面部特征的自适应性疲劳驾驶检测系统,此系统可以实时检测驾驶员的疲劳程度。疲劳驾驶检测系统由两个子系统组成,第一个子系统是面部特征检测系统,第二个子系统是头部姿态检测系统。本文此次研究的内容分为以下六点:(1)将近20年的疲劳检测方法进行汇集整理,提出本文的疲劳检测系统。(2)研究了Haar-like特征与Adaboost算法,该算法用于判断驾驶员是否在座,实验表明此算法可以能够快速准确的检测驾驶舱中的人脸。同时研究EAR算法,此算法利用Dlib模型提取眼部12个特征点,计算眼部纵横比,若眼部纵横比突然下降,再迅速上升,则判断为一次眨眼动作。眨眼检测率可达到99.2%。(3)提出了一种全新的BFR(Blinking Frequency ratio)算法,并将该算法首次应用于疲劳驾驶领域。BFR算法是一种基于眨眼时间序列的疲劳检测算法,研究的是正常眨眼频率与疲劳眨眼频率的平均映射关系。算法首先采集司机在单位时间内的眨眼次数,生成眨眼频率样本。驾驶中,利用计算出的BFR阈值检测驾驶员否存在视疲劳,若眨眼次数超过BFR阈值,则报警。(4)研究了基于MAR算法的哈欠检测,此算法同样利用Dlib提取了嘴部的6个特征点,计算嘴部纵横比,若纵横比提升至MAR阈值之上,再迅速下降,则判断为一次哈欠动作。哈欠的检测率为100%。(5)研究了基于罗德里格斯旋转公式的头部姿态检测算法,并用P80准则进行疲劳评估,P80来源于疲劳驾驶经典算法PERCLOS。以0度俯仰角与0度滚转角作为基准,若偏移超过最大量的20%,则判断驾驶员头部处于疲劳状态。(6)最后算法使用树莓派平台进行仿真,可以进行实时性的检测,若检测驾驶员处于疲劳状态,则通过控制蜂鸣器发出声音,实现疲劳驾驶的实时性预警。