论文部分内容阅读
现代经济的飞速发展,人民生活水平的迅速提高,越来越多的车辆走进了平常百姓的家庭。但是频繁的交通事故也给人们的生命财产安全造成重大损失,而其中驾驶员疲劳驾驶所导致的交通事故占其中很大的一个比重。如果有一套车载系统,能检测到驾驶员的疲劳驾驶,并及时给予警示,提醒驾驶员注意安全,就可以很大程度上避免交通事故的发生。因此,找寻一种实时性好、可靠性高的疲劳驾驶检测方法,对于保障道路安全,人们的生命财产具有不可忽视的现实意义。本文提出的以计算机视觉及数字图像处理为基础的疲劳驾驶检测方法,是一种非接触式的检测方法。检测方法主要包括图像采集,人脸检测,头部姿态跟踪,哈欠检测,眼睑匹配以及最终的疲劳判定等几个部分。本文的主要内容包括:1.本文在人脸定位的基础上,通过人脸中心位置的坐标来考察驾驶员头部位姿变化,并提取瞌睡点头的频率NodFreq最为疲劳判定的一个特征参数;此外,通过嘴部分类器及积分投影的方法,对驾驶员打哈欠的动作进行检测,作为疲劳驾驶判定的另一个辅助特征。2.本文对轮廓模型ASM(Active Shape Model)算法及AAM(Active Appearance Model)算法进行理论分析,在原有基础上对其进行改进并应用到眼睑活动轮廓的匹配跟踪上,以实现眼睛疲劳特征PERCLOS参数的提取。其中,引入LBP局部特征的LBP-ASM提高了原始ASM的准确性,而加入预处理的PLBP-ASM(Preprocessing LBP-ASM)则可以更好地适应光照的变化;针对AAM算法在局部细节匹配上的不足,将ASM算法与其结合提出局部纹理表观模型LT-AAM(Local Texture AAM)算法,该算法在保障眼睑全局匹配正确的基础上,可以使得眼睑处局部特征点的匹配更加准确。3.本文对上述算法进行实验,并分析比较性能参数,考虑准确性及实时性等因素,最后选取PLBP-ASM算法搭建测试软件,将统计的眼睛闭合信息计算PERCLOS参数,结合点头频率(NodFreq)参数及哈欠的检测做出最终的疲劳判定,并对测试软件进行了模拟疲劳驾驶检测实验。本文研究的疲劳检测系统开发基于Opencv2.43开发库,开发环境为VS2010。整个系统实现了对驾驶员疲劳驾驶状态检测,每秒能处理约20帧左右640?480像素的视频图像,准确性较高,基本可以满足实时疲劳驾驶检测的要求。