论文部分内容阅读
交通事故的发生很多都是因为驾驶员的疲劳驾驶导致的,因此实时地检测驾驶员的疲劳状态可以很大程度上减少交通事故的发生,而疲劳状态判断可以通过人眼的状态进行判定。人眼的状态可以是人眼的开闭和人眼的睁眼频率,人眼睁眼频率的检测是在人眼开闭状态检测的基础上实现的,因此人眼开闭状态检测在整个检测系统中至关重要。而人眼的睁眼频率在人的清醒和困顿两种状态下差异明显,这可以成为疲劳状态检测的重要依据。目前有很多学者对基于人眼状态检测的驾驶员的疲劳状态检测系统做了大量的研究,但是这些系统往往在检测的精度和实时性方面存在着不足,由于检测速度的限制很多系统都是在处理速度很高的PC机上进行的,这就使得检测系统很难在工程实践中得到应用。因此本文提出了基于Omap4460的人眼状态检测,由于该检测平台是基于arm的,而arm集成的系统体积小、功耗低为人眼状态检测实现实际的应用提供了可能。结合国内外研究现状,本文针对于omap linux内核,基于Omap4460人脸检测模块,搭建了基于Omap4460的人眼状态检测测试平台,该平台实现了基于Adaboost和CamShift的人眼状态检测。由于实际中模拟PAL视频信号的分辨率为720x576,因此本文中提出的方案主要针对于分辨率为720x540的视频信号进行了测试,成功实现了25fps的实时人眼状态检测。本文具体工作内容如下:1、在SOC linux内核中由于无Omap4460人脸检测模块的驱动程序,因此本文中研发了基于Omap4460的人脸检测模块的驱动。针对该模块的驱动程序,并为了与OpenCV相结合,本文开发了基于OpenCV和Omap4460的人脸检测接口。2、本文采用了Adv7280-m转换芯片,因此针对该芯片开发了设备驱动程序,针对该驱动程序研发了基于Gstreamer v4l2src插件,通过该插件实现视频数据的打包工作。3、提出基于人眼轮廓面积的人眼开闭状态检测算法,实现基于开闭状态检测的人眼睁眼频率的检测。4、针对人眼状态检测,本文开发了fdifscale插件,将自己的人眼状态检测和跟踪算法封装到该插件中,将该插件与Gstreamer中其他视频处理模块结合,实现了人眼状态的实时检测。5、对本文中提出的人眼状态检测方案的实时性和准确性进行测试实验,对实验结果进行总结。