基于眼睛状态的驾驶人疲劳检测技术的研究

摘要

随着社会的发展，交通安全问题日益凸显，疲劳驾驶作为交通事故的一大祸首，给人类带来了巨大的灾难。传统的被动防护诸如安全带、安全气囊、保险杠等不能做到防患于未然。目前，驾驶人疲劳检测技术已成为汽车安全辅助驾驶的一个研究热点，该技术可以有效地提高汽车的主动安全性。因此，具有重要的研究价值和实际应用前景。本文在分析总结出已有驾驶人疲劳检测方法优缺点的基础上，从硬件系统与算法设计两个方面展开了对驾驶人疲劳检测系统的研究和设计。
　　 1.针对驾驶疲劳检测嵌入式系统的实现，搭建了基于TMS320DM642（以下简称DM642）的视频系统，探讨了基于DM642和TVP5150的视频采集系统的工作原理和视频设备驱动程序开发的关键技术。在深入了解FVID类驱动模型的基础上，完成了基于FVID的DM642驱动设计，实现了视频图像的采集。
　　 2.提出了一种基于PERCLOS参数的驾驶人疲劳状态的判别算法，该算法采用由粗到精的思路，逐步定位反映驾驶人疲劳信息的眼睛位置。在CCD摄像机获得的驾驶人驾驶图像中，采用AdaBoost和Haar分类器的人脸检测算法完成对人脸区域的检测。利用面部先验知识，选取眼睛的感兴趣区域，经过相关处理缩小并验证了人眼候选区域，然后采用投影曲线分析的方法实现了眼睛的定位。最后将定位到的眼睛区域与睁眼模板进行匹配，根据相关性的大小对眼睛的睁闭状况进行识别，并通过计算PERCLOS参数来判断驾驶人员的疲劳状态。
　　 3.基于RF5(Reference Framework5)的程序框架的设计思路，设计了一套疲劳检测DSP嵌入式系统，实现了RF5框架中疲劳检测算法的各个相关功能模块。

目录

声明

摘要

第一章 绪论

1．1 课题研究的背景及意义

1．1．1 疲劳驾驶概述

1．1．2 疲劳检测的意义

1．2 国内外驾驶人疲劳检测的研究现状

1．3 存在的问题及发展趋势

1．4 本文内容及组织结构

1．4．1 本文的主要研究内容

1．4．2 本文的组织结构

第二章 基于DM642的视频系统

2．1 DSP系统开发环境

2．1．1 CCS集成开发环境

2．1．2 实时内核DSP／BIOS

2．2 系统硬件平台及原理

2．2．1 视频系统结构及原理

2．2．2 TMS320DM642简介

2．3 基于DM642和TVP5150的视频采集系统

2．3．1 近红外CCD摄像机

2．3．2 DM642的存储系统

2．3．3 EDMA数据搬移

2．4 视频驱动程序开发

2．4．1 FVID类驱动模型

2．4．2 基于FVID的DM642驱动设计及使用

2．5 本章小结

第三章 基于Haar分类器的人脸检测

3．1 人脸检测和定位方法

3．2 AdaBoost算法概述

3．2．1 Haar矩形特征及积分图

3．2．2 基于Haar矩形特征的弱分类器

3．2．3 基于AdaBoost算法的强分类器训练

3．2．4 级联强分类器

3．3 基于Haar分类器的人脸检测

3．3．1 Haar分类器离线训练

3．3．2 人脸在线检测

3．3．3 检测结果与分析

3．4 本章小结

第四章 人眼区域检测与定位

4．1 人眼检测与定位方法

4．2 人眼感兴趣区域选取及处理

4．2．1 中值滤波

4．2．2 阈值分割

4．2．3 形态学滤波

4．3 人眼候选区域验证

4．4 基于投影曲线的人眼定位

4．5 本章小结

第五章 基于PERCLOS的疲劳状态判别

5．1 PERCLOS原理简介

5．1．1 眼睛睁闭状态识别

5．1．2 PERCLOS参数的计算

5．2 基于RF5框架的疲劳检测系统

5．2．1 疲劳检测算法流程

5．2．2 基于RF5的程序框架设计

5．3 本章小结

第六章 总结与展望

6．1 工作总结

6．2 工作展望

参考文献

致谢

攻读硕士期间的主要研究成果