驾驶员疲劳检测中快速定位以及识别算法研究

摘要

随着汽车消费的普及与电子科技技术的发展,汽车电子产品已成为汽车行业的新宠,而汽车安全配件则尤其受人们关注。疲劳驾车是当前导致车祸事故的最主要的原因。驾驶员疲劳检测系统就是针对驾驶员驾车时的疲劳特征,对驾驶员进行实时监测,并在必要时报警,以警示驾驶员。该类产品的研究已受到世界各大汽车厂家的关注,具有良好的市场前景,而该类产品技术上的不成熟性,则给我们提供了很大的研究和发展空间。 本文首先对当前已有的疲劳检测方法进行了分析总结,得出了利用PERCLOS(percentage of eyelid closure)特征作为疲劳检测判别标准的方法。在利用该方法进行疲劳检测时,系统可分为三大步骤来进行：1.在整幅图像中检测并跟踪人脸区域；2.在人脸区域中定位人眼区域；3.根据人眼图像判别并记录人眼状态。 针对现有的研究基础,本文对疲劳检测系统三大步骤中的人脸检测跟踪以及眼状态判别两方面提出了改进的方案：1.在人脸检测及跟踪算法中,利用Adaboost跟Camshift(Continuously Adaptive MeanShift)相结合的算法,讨论了Adaboost以及Camshift算法的实现方法,以及Camshift算法的改进,将人脸跟踪速率从19.0149ms/帧提高到了4.1132ms/帧,为提高眼状态识别率提供足够的时间基础,使得系统可以采用比较复杂的算法做眼状态的判别；2.提出使用EHMM(Embedded Hidden Markov Model,简称为EHMM)的方法来识别人眼状态,分析了人眼的EHMM模型以及2D-DCT特征,建立眼状态识别模型,建立眼状态测试平台。该平台可以采集图像并判别驾驶员眼状态,在这一平台上我们对自主采样的人眼图库(含训练样本图像约200张,包括10个人以及测试样本103张在不同光照强度下,不同背景下,各种不同的人脸角度的偏转下,睁眼与闭眼等情况下采集的图片)进行了算法性能测试,将眼状态识别率从现有研究基础的86.1％提高到94.2％。从对测试结果的性能参数进行分析比较,证实了本文所采用的方法的可行性和优越性,并针对存在的问题提出了一系列改进方案。

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驾驶员疲劳预警系统研究的意义

1.1.2基于PERCLOS特征的驾驶员疲劳国内外研究现状

1.2基于PERCLOS特征的驾驶员疲劳检测技术难点

1.3本文的研究内容和关键技术

1.4本文的组织结构

第二章司机疲劳检测系统算法概述

2.1系统算法研究概述

2.1.1系统算法描述

2.2本文所采用的算法概述

2.2.1人脸检测算法概述

2.2.2人脸跟踪算法概述

2.2.3眼睛状态判别算法研究

2.3本章小结

第三章人脸检测以及跟踪算法

3.1本文采用的要脸检测算法

3.1.1基于积分图的类矩形特征提取

3.1.2基于cascade级联的搜索过程

3.1.3人脸检测流程

3.2本系统所采用的人脸跟踪算法

3.2.1 Camshift算法基础

3.2.2 Camshift跟踪算法

3.3本章小结

第四章人眼状态判别算法

4.1 EHMM理论基础以及原理分析

4.1.1 Markov模型

4.1.2 HMM的基本原理

4.1.3基于HMM算法的三个基本问题

4.1.4嵌入式HMM的基本原理

4.2基于EHMM的人眼状态识别应用

4.2.1人眼状态EHMM的分析

4.2.2 DCT提取人眼特征值及其参数选定

4.2.3人眼状态EHMM模型训练

4.2.4人眼状态EHMM识别模型

4.3本章小结

第五章实验系统以及实验结果分析

5.1系统仿真环境

5.1.1软件平台

5.1.2硬件环境

5.2仿真系统实现及结果分析

5.2.1系统算法

5.2.2人脸检测与人脸跟踪算法

5.2.3人眼定位算法

5.2.4眼状态识别算法

5.3系统算法改进方案

5.4本章小结

结论

参考文献

在学期间发表论文

致谢