基于眼部和嘴部特征融合的駕駛員疲勞檢測方法研究.pdf

1、駕駛員疲勞狀態(tài)檢測與預警方法的研究已經(jīng)引起廣泛關(guān)注。國內(nèi)外有不少研究機構(gòu)對駕駛員疲勞狀態(tài)檢測方法進行了研究,經(jīng)過多年的發(fā)展,相關(guān)的研究已取得不少成果,也有一些產(chǎn)品投入應用。但測試和實踐經(jīng)驗表明,目前的駕駛員疲勞檢測方法在實際應用中仍存在局限性:如測量準確度不高、應用場景受限制較多、魯棒性不強、很難實現(xiàn)實時監(jiān)控等。所以研究一種更具實用性的駕駛員疲勞狀態(tài)檢測預警方法具有重要的意義。
　　 本文擬通過融合眼部和嘴部等多種疲勞相關(guān)的特征

2、來提高疲勞檢測的準確率。為了對駕駛員狀態(tài)進行全天候的監(jiān)控分析,本文通過紅外攝像頭實時獲取駕駛員圖像,然后提取眼部和嘴部的視覺特征,最后通過分析眼睛的開閉狀態(tài)以及嘴部是否打哈欠等特征,進行疲勞狀態(tài)的分析和判斷。文中所做的主要工作如下:
　　 (1)改進人臉眼部和嘴部特征點定位策略。針對直接從視頻圖像中進行左右眼睛和嘴部特征點定位存在檢測率低、誤差大的問題,本文提出首先利用經(jīng)典的AdaBoost算法定位出人臉所在區(qū)域,然后在人臉區(qū)域

3、內(nèi)定位其他相關(guān)的特征區(qū)域。
　　 (2)改進人臉檢測器搜索策略。為達到實時檢測的目的,結(jié)合正常情況下駕駛員頭部活動范圍比較小的特點,本文根據(jù)前一幀定位到人臉位置估算下一幀人臉大概位置,從而縮小搜索范圍,提高人臉檢測效率。
　　 (3)針對駕駛員有睜眼睡覺或頻繁眨眼習慣時導致系統(tǒng)誤報率高的問題,本文聯(lián)合PERCLOS、眨眼頻率、眨眼持續(xù)時間三個眼部疲勞特征參數(shù)進行疲勞判斷。當駕駛員睜眼睡覺時,PERCLOS和眨眼頻率都比較