基于ARM平台的驾驶疲劳检测系统的研究

摘要

众所周知，疲劳驾驶已经成为交通事故发生的重要原因之一。它所带来的行车安全隐患也逐渐受到大众的广泛关注。因此，预防疲劳驾驶也逐渐成为当前研究的主要热点之一。
　　目前，驾驶疲劳检测中多数是基于人脸表情状态的判断，本文也是基于ASM算法而建立的根据人眼状态来判断的疲劳检测系统。本文的重点是:针对ASM算法在表情丰富、姿态多变以及光照非均匀情况下，对人脸定位不理想的问题，提出了2D十字型Gabor模型;即以特征点为中心建立2D十字型搜索区域，并在区域内建立概率密度估计模型，通过概率分布差异度模型来判断最佳搜索位置;然后将改进的局部特征与Gabor小波特征进行融合，完成2D十字Gabor模型的建立。本方法将原来的搜索区域由一段线性区域增加到2D十字型区域，增加了特征点的灰度信息，过滤掉了光照的影响，从而提高了算法的准确性和鲁棒性。
　　为了更进一步提高眼睛定位的准确性，本文提出积分投影与局部ASM算法相结合的方法实现眼睛的两次定位，根据方差最小原则来确定两种结果的权重，最终根据权重参数计算出眼睛的位置。
　　在此基础上，本文设计了一种基于ARM的疲劳驾驶检测系统，首先，利用改进后的ASM算法对采集的图像进行人脸和人眼定位;然后，对定位的人脸区域进行积分投影处理，再次确定人眼位置，并通过权重参数确定最终人眼位置;最后，采用积分投影的人眼状态识别方法，然后在基于PERCLOS疲劳判别方法的基础上，结合眨眼频率的判别方法，利用这两个参数来判断驾驶员的疲劳状态。
　　硬件平台采用友善之臂公司的嵌入式Tiny6410平台，并进行了软件平台的搭建，包括嵌入式系统的移植、交叉编译环境的建立、Qt/E移植与集成开发环境的搭建、系统应用软件的总体设计。
　　最后对所设计的系统进行了实验，最终实现了基于ARM平台的驾驶疲劳检测系统，实验结果表明本系统对疲劳检测的总正确率为91.31％，能够满足驾驶员疲劳驾驶检测的需要，对驾驶疲劳检测的研究具有一定的参考意义。

目录

声明

摘要

第一章 绪论

1．1 课题的研究背景及意义

1．2 疲劳驾驶的定义

1．3 疲劳驾驶的检测研究现状

1．3．1 基于驾驶员行为特征的疲劳驾驶检测

1．3．2 基于生理特征的疲劳驾驶检测

1．3．3 基于驾驶行为的疲劳驾驶检测

1．3．4 基于信息融合的疲劳驾驶检测

1．4 当前研究存在的问题

1．5 课题研究内容与章节安排

第二章 传统ASM算法的人脸定位原理

2．1 ASM算法模型

2．2 ASM全局模型的建立

2．2．1 手动标记特征点

2．2．2 形状归一化

2．2．3 PCA变换

2．3 ASM局部模型的建立

2．4 ASM特征搜索

2．5 本章小结

第三章 基于改进的ASM算法的人脸定位

3．1 传统ASM算法人脸定位的不足

3．2 Gabor特征提取与性质

3．3 对传统ASM算法的改进

3．3．1 2D十字型概率密度模型

3．3．2 2D十字型概率密度模型的建立

3．4 基于局部纹理模型的改进

3．5 本章小结

第四章 眼睛的定位及状态的判断

4．1 眼睛定位

4．2 人眼状态的检测

4．3 基于PERCOLS和眨眼频率的疲劳驾驶判定

4．3．1 PERCOLS原理

4．3．2 PERCOLS与眨眼频率相结合的疲劳状态分析

4．4 本章小结

第五章 硬件设计与实验结果

5．1 系统硬件平台

5．1．1 S3C6410处理器简介

5．1．2 Tiny6410开发板资源

5．2 系统软件平台的搭建

5．2．1 交叉编译环境的搭建

5．2．2 Qt／E移植与集成开发环境搭建

5．2．3 系统应用软件总体设计

5．3 实验结果与分析

5．4 总结

第六章 总结与展望

6．1 工作总结

6．2 工作展望

参考文献

发表论文和参加科研情况

致谢