基于面部多视觉信息融合的驾驶员疲劳状态的识别

摘要

当今社会人们的生活日新月异，居民的汽车保有量逐年递增。在汽车驾驶中，除醉酒驾驶外，疲劳驾驶逐渐成为导致交通事故的另一重要因素。因此，对驾驶员采取实时疲劳检测对重大交通事故的预防有着深远的意义。本文通过阅读查阅大量的文献及资料，了解了国内外疲劳状态检测方法现阶段的发展概况，并在此基础上深入研究了基于面部子空间中多特征融合的驾驶员疲劳检测。疲劳状态检测中的关键技术主要包括:驾驶员的面部检测与跟踪、面部子空间疲劳区域的定位、疲劳特征的提取与融合等。
　　本文首先将采集到的视频转换成帧，为了最大可能地降低外界复杂环境对驾驶员的影响，对图像作预处理，主要包括图像的灰度化、均衡化以及自适应光照补偿;通过比对肤色在不同颜色空间中的聚类特性，选取基于YCgCr的肤色阈值分割对图像进行检测，然后将检测到的肤色区域输入到改进之后的Viola-Jones人脸检测框架之中，结合两种算法实现人脸区域的定位。由于单帧的图像并不能反映出驾驶员是否处于疲劳状态，因此采用Camshift算法对人脸视频序列进行跟踪，满足了系统的实时性要求。
　　其次，在检测到人脸的基础上实现面部关键疲劳形变区域的定位，疲劳区域主要包括眼睛和嘴巴。在眼睛的定位中，分别对驾驶员的图像和检测出的人脸区域采用人脸几何分布的先验知识与灰度积分投影相结合的方法，将眉眼分离，实现眼睛的粗定位;然后通过对比几种边缘算子的检测效果，最终选取Sobel边缘算子实现眼睛轮廓的提取，进而实现眼睛区域的精确定位;人脸的分布符合“三庭五眼”这一几何规律，根据人眼与嘴巴的相对位置定位出嘴巴区域。
　　最后，主要实现多特征融合的疲劳状态检测。在已定位出的眼睛区域提取PERCLOS参数、嘴巴区域内提取YawnFreq参数;根据人疲劳时两参数的阈值确定其模糊集、论域并通过计算推导得到隶属度函数的表达式;搭建Fuzzy逻辑推理系统，将两种疲劳算子融合输入到模糊系统中，并输出驾驶员的疲劳状态，通过反模糊化得到疲劳程度FatigueLevel，实现驾驶员疲劳状态的识别。

目录

声明

摘要

第1章绪论

1．1课题的研究背景和意义

1．2疲劳状态识别的研究现状

1．3疲劳状态识别存在的问题

1．4论文章节安排

第2章驾驶员疲劳状态识别系统设计

2．1疲劳状态识别系统的总体方案设计

2．1．1疲劳检测流程设计

2．1．2疲劳检测功能模块

2．2人脸图像的预处理结果及分析

2．2．1人脸图像灰度化处理

2．2．2直方图均衡化处理

2．2．3自适应光照补偿

2．3本章小结

第3章驾驶员脸部的检测

3．1人脸检测方法的对比

3．2基于YCgCr颜色空间的肤色聚类人脸检测

3．2．1色彩空间的选择

3．2．2 YCgCr颜色空间上肤色模型的建立

3．2．3肤色阈值分割结果与分析

3．3基于Viola-Jones框架的人脸检测

3．3．1 Haar-like特征及积分图

3．3．2 AdaBoost算法思想

3．3．3 Viola-Jones框架的级联结构

3．4基于肤色聚类和Viola-Jones框架相结合的人脸检测

3．4．1两种检测方法的优缺点

3．4．2改进的Viola-Jones框架的结构

3．4．3人脸检测流程及结果分析

3．5 Camshift人脸跟踪算法

3．5．1区域肤色Hue直方图的获取

3．5．2 Meanshift迭代过程

3．5．3 Camshift算法跟踪结果与分析

3．6本章小结

第4章面部关键部位的定位分割

4．1五官定位分割方法的对比

4．2眼睛区域的定位

4．2．1基于灰度积分投影的人眼粗定位

4．2．2采用Sobel算子提取人眼轮廓

4．3嘴巴区域的定位

4．3．1常用的嘴巴检测算法分析

4．3．2“三庭五眼”实现嘴巴区域的定位

4．4本章小结

第5章信息融合技术在疲劳识别中的应用

5．1疲劳状态分析

5．1．1 PERCLOS疲劳检测分析

5．1．2 YawnFreq参数的提取

5．2特征融合的方法

5．3基于Fuzzy推理模型的信息融合

5．3．1 Fuzzy推理系统结构

5．3．2基于模糊逻辑的疲劳判别系统的设计

5．4驾驶员疲劳状态识别系统的评判结果

5．4．1图像检测结果与分析

5．4．2疲劳状态的识别

5．5本章小结

结论

参考文献

攻读硕士期间发表的论文和取得的科研成果

致谢