本论文主要描述一个利用多层感知器网络(MLP)来判别驾驶员是否疲劳的安全报警系统(Drowsiness Warning System)。驾驶员在长途驾驶或精神不佳的状态时,会在脸部表现出很多的可视信息,例如,眨眼率减低,眼睛开度减小,频繁的点头,打哈欠,眼睛游动加快,等等。在这样的情况下,便产生了潜在的肇事危机。本文采用了一种无接触的监督方法来检测驾驶员眼球的视线方向。即:通过安装在仪表板上的摄像机,采集图像序列,利用图像的小波变换、熵分析等技巧由图像中抽取出驾驶员的脸部及眼睛位置,在此基础上统计眼球的视线方向,再由此判断疲劳程度,当疲劳时予以报警。 本系统采用了熵分析结合粒子过滤器模型的方法对眼球进行跟踪,该方法能实时准确地对眼睛进行定位。本文主要的工作是: (1) 系统的总体设计:该系统分为两个阶段:ROI的获取和疲劳检测。在系统中,人脸的检测和眼睛的跟踪是一个关键步骤。人脸检测首先在第一帧中全局搜索感兴趣目标,同时移除外部照明环境的干扰。在跟踪失败时,重新开始新一轮的目标检测。眼睛跟踪则是在前一帧的基础上,局部搜索感兴趣的目标,以确定双目的位置。 (2) 人脸检测方法:采用了一种基于熵分析Adaboost人脸检测方法。在对训练集进行训练之后,获得判定树模型。再由输入特征的似然比来检测人脸。实验表明,这种方法能对不同姿势的人脸进行有效的定位且实时响应速度快。 (3) 眼睛跟踪算法:在检测的人脸区域,采用自适应超状态粒子过滤器算法实时地跟踪眼睛。近年来,粒子过滤器(Particle Filter)或者称为条件密度传播算法在混乱场合对目标进行实时跟踪时,表现出良好的性能。传统的卡尔曼滤波器,局限于高斯概率分布。而粒子过滤器可以描述多峰的复杂概率分布。其主要思想是,采用一系列的粒子表示目标的状态,再按照“适者生存”法则进行进化,估计状态的后验分布。本文采用算法的特点是,运用自回归的系统模型来预测双目的状态,采用熵分析确定眼睛类别以确定子代的繁衍。同时,相关的技术被用来处理遮挡情况,以及对眼睛进入和离开场景做出判断。为了减低复杂程度和减少计算量,我们对视频序列进行金字塔分解,跟踪算法在粗造像级实现。