戴墨镜驾驶员疲劳检测方法研究

摘要

机动车的增加不仅给人们的生活带来了方便，也对人们的人身安全带来了一定的威胁。疲劳驾驶是恶性交通事故的重要诱因之一，因此，其检测方法的研究对保障人们的生命安全具有重要意义。然而，常规的基于计算机视觉的检测方法通常并不能处理驾驶员配戴墨镜的情况，对于这一情况处理方式的研究状况也相对空白。该方法正是基于这一现状而提出的一种可以应对驾驶员佩戴墨镜情况的疲劳检测方法。
　　驾驶员佩戴墨镜时，被墨镜覆盖的区域失去皮肤的颜色，使眼部区域的皮肤像素占比降低，基于这一基本原理，可以对皮肤像素分布进行统计形成皮肤颜色模型，并根据实际情况加以调整，作为驾驶员是否佩戴墨镜的一个检测标志。对于颜色模型法不易区分的数据，可以使用基于深度学习的方法来进行分类。由于可用于训练的数据数量不足，方法中采用了旋转，部分截取，人工调整，弹性畸变等方式对数据集进行扩充以训练性能良好的模型。上述两种方法的结合将使墨镜检测的误检率降到较低的水平。对于夜晚环境和检测出的墨镜情况需要开启红外进行补光和穿透，对于墨镜情况，还需要进行匀光处理，以便能利用图像分割的方法提取出更准确的眼高数据，进而利用PERCLOS理论进行疲劳的判断。
　　实验证明，给出的方法能够正确分类驾驶员是否带墨镜并提取眼高，对于驾驶员疲劳检测具有较高的准确性，对于环境具有较高的鲁棒性。

目录

声明

1绪论

1.1课题的背景与研究意义

1.2国内外研究现状

1.3本文的研究内容

1.4本文的组织结构

2需求分析与总体设计

2.1需求分析

2.2总体设计

2.4本章小结

3基于颜色模型的墨镜检测方法

3.1 YCbCr颜色空间

3.2原始皮肤颜色模型

3.3皮肤模型的建立

3.4原始皮肤模型的问题和改进

3.5皮肤颜色模型的使用

3.6颜色模型法的优势

3.7本章小结

4基于深度学习的墨镜检测方法

4.1模型的训练

4.2 LeNet-5及其调整

4.3人工数据集扩充

4.4模型的结构和使用

4.5本章小结

5驾驶员疲劳状态的评判

5.1匀光处理

5.2眼高的提取和计算

5.3疲劳状态的评判

5.4本章小结

6系统实现和结果分析

6.1系统实现环境

6.2墨镜检测测试

6.3疲劳状态评判测试

6.4本章小结

7 总结与展望

7.1全文总结

7.2展望

致谢

参考文献