驾驶员疲劳检测系统中人眼状态及视线方向识别算法研究

摘要

疲劳驾驶是当前导致车祸事故的最主要原因。驾驶员疲劳检测系统是对驾驶员进行实时监测，分析和提取驾驶员驾车时的疲劳特征，并在驾驶员处于疲劳状态时报警的设备。该类产品的研究已受到众多科研工作者和汽车厂商的注意，具有重大的社会意义和良好的市场前景，而该类产品在技术上还不够成熟，给我们提供了很大的研究和发展空间。
　　 基于图像处理和模式识别技术的非接触式疲劳检测方法为当今疲劳检测领域的主流研究方向。本系统也采用非接触式的方法，用摄像头对驾驶员进行监控，通过分析PERCLOS（单位时间内眼睛闭合时间所占的百分率）和视线方向综合评定驾驶员是否处于疲劳。本文研究了系统在获取人脸图像后到计算出PERCLOS和视线方向信息所需的一系列算法，包括：人眼定位、眼睛睁闭状态识别和视线方向判别。
　　 本文提出了一种基于灰度直方图的几何特征人眼定位方法，该方法利用人脸灰度直方图分布特征，在不同光照条件下能自适应快速计算出最佳人眼分割阈值，使眼睛在人脸图像上呈现为清晰的黑块；在此基础上根据眼睛的几何特征，在人脸二值图像中筛选出眼睛黑块。该人眼定位算法在不同光线和人脸姿态下的识别准确率为90％，对比其它几何特征人眼定位方法，处理速度提高很多，可以达到50帧每秒。
　　 针对现有的眼睛状态判别算法无法兼顾准确率和实时性的特点，本文利用支持向量机优秀的学习能力和小样本下良好的推广能力，构造了一种新的基于支持向量机的眼睛睁闭状态自动分类器。该眼睛睁闭状态分类器的平均识别精度为96．1％，处理速度为37帧每秒，在准确性和实时性两方面均表现优秀。
　　 最后根据普尔钦斑点法原理，本文研究了驾驶员疲劳检测系统的视线方向判别方法。提出了具体的检测普尔钦斑点和精确定位瞳孔中心算法，再利用一种简单的视线模型，对司机的视线方向进行判断。实验证明该视线方向判别具有最低80％的准确率。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究背景

1.1.1 引言

1.1.2 驾驶员疲劳检测方法概述

1.1.3 国内外研究现状

1.2 本文的研究内容和关键技术

1.3 本文的组织结构

第二章 系统算法概述

2.1 眼睛的生物结构

2.2 人眼定位算法

2.3 眼睛状态识别方法

2.3.1 基于特征分析的眼睛状态识别

2.3.2 基于模式分类的眼睛状态识别

2.3.3 方法性能优劣分析

2.4 视线方向判别技术

2.5 支持向量机眼睛状态识别算法的理论基础

2.6 本章小结

第三章 人眼定位算法研究

3.1 人脸图像预处理

3.1.1 彩色图灰度化

3.1.2 基于灰度直方图分布的人脸图像二值化

3.1.3 截取眼睛部分图像

3.1.4 形态学开操作去噪

3.2 训练样本设计眼睛分类器

3.2.1 样本库介绍

3.2.2 初步设计眼睛分类器

3.2.3 精确设计眼睛分类器

3.3 眼睛定位结果与分析

3.4 本章小结

第四章 眼睛睁闭状态识别算法

4.1 基于SVM眼睛状态识别方法简述

4.2 眼睛样本库和眼睛样本预处理

4.2.1 眼睛样本库

4.2.2 眼睛样本预处理

4.3 建立眼睛特征向量集

4.3.1 提取眼睛特征

4.3.2 组成眼睛特征向量

4.4 训练眼睛状态分类器

4.5 眼睛状态分类器的识别结果

4.6 本章小结

第五章 驾驶员视线方向判别

5.1 视线方向判别方法简述

5.2 普尔钦斑点的形成方法

5.3 普尔钦斑点及瞳孔中心定位

5.3.1 检测普尔钦斑点

5.3.2 检测瞳孔中心

5.4 视线方向判定

5.5 视线方向判别算法实验结果

5.6 本章小结

结束语

参考文献

攻读硕士学位期间取得的研究成果

致 谢