基于计算机视觉的驾驶员疲劳实时检测研究

摘要

本文介绍了驾视疲劳检测的研究概况,对该领域的主要研究成果进行归纳总结与分析,并针对基于计算机视觉的疲劳检测方法进行研究,构建了一个实时的驾驶疲劳检测系统。该系统可以通过CCD摄像头实时地采集驾驶员上半身的视频图像到计算机,然后通过计算机视觉算法捕获驾驶员的眼睛闭合度来估计驾驶员的疲劳程度。本文研究的核心内容包括：人脸定位、人脸跟踪、眼睛定位、眼睛跟踪、眼睛信息提取、疲劳度计算等算法的实现与改进。 人脸定位采用了基于肤色区域分割与人脸验证的方法。首先将原始的视频图像从RGB颜色空间转化到YCbCr空间,然后通过肤色检测快速地分割出各个肤色区域,根据一些先验知识筛选出人脸区域,最后用一个矩形框来绑定人脸区域。为了提高人脸定位算法的抗干扰能力,本文提出了一种“收缩修整”算法(S-S,Shrink-Shear)来修正人脸定位的结果。 人脸跟踪采用一种基于颜色信息的方法CAM Shift算法,利用肤色来跟踪人脸,并对跟踪过程进行了改进。在跟踪之前加入人脸定位算法,通过截取定位到的脸部图像来建立目标颜色模型,用定位到的人脸矩形区域来初始化CAM Shift算法的搜索窗口。最后用S-S算法修正CAM Shift的跟踪结果。 眼睛定位采用了基于Haar-Like特征级联分类器的检测方法,在人脸区域内按照不同尺度搜索存在的眼睛。 眼睛跟踪主要是针对环境噪声和干扰对眼睛定位结果的影响,本文设计了一套独特的人眼跟踪策略来跟踪检测丢失的眼睛。该算法将眼睛检测失败的情况分为单眼检测丢失和双眼检测丢失两种。根据人脸的位置信息和眼睛定位的历史信息来跟踪丢失的眼睛。 眼睛信息提取主要是计算眼睛的闭合程度。分析了相关的研究方法,本文提出一种计算眼睛闭合程度的新方法-虹膜外接矩形法。其原理是通过一个外接矩形绑定虹膜区域,然后用该矩形的宽高比值来估计眼睛闭合度。与以往的算法相比该方法可以更精确地表示眼睛的状态。 最后,采用PERCLOS算法计算疲劳程度,并分别在PC机上和DSP处理系统上对算法进行了测试,取得了良好的实验结果。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2驾驶疲劳检测研究现状综述

1.2.1基于生理学的方法

1.2.2基于行为的方法

1.2.3基于计算机视觉的方法

1.2.4多种信息融合的方法

1.2.5几种方法的比较分析

1.2.6小结

1.3主要研究内容和结构安排

1.3.1主要研究内容

1.3.2论文结构安排

第2章人脸定位

2.1引言

2.2人脸检测研究概况

2.2.1肤色区域分割与人脸验证的方法

2.2.2基于启发式模型的方法

2.2.3基于统计模型的方法

2.3人脸定位的实现与改进

2.3.1肤色提取

2.3.2基于先验知识的人脸区域绑定

2.3.3定位结果修正

2.4本章小结

第3章人脸跟踪

3.1引言

3.2CAM Shift算法原理

3.2.1颜色空间选择

3.2.2反向投影

3.2.3Mean Shift算法

3.2.4Cam Shift运算

3.3基于CAM Shift的人脸跟踪

3.4人脸跟踪实验及结果分析

3.5本章小结

第4章眼睛定位及跟踪

4.1引言

4.2眼睛检测的方法

4.3 Haar-Like特征级联分类器原理

4.3.1Haar-Like特征

4.3.2积分图像

4.3.3Haar-Like特征分类器

4.4基于Haar-Like特征级联分类器的人眼定位

4.5人眼跟踪

4.6本章小结

第5章眼睛信息提取和疲劳程度计算

5.1引言

5.2 PERCLOS原理

5.3眼睛信息提取

5.3.1相关研究方法

5.3.2基于虹膜外接矩形特征的眼睑闭合度计算

5.4疲劳检测实验及结果分析

5.4.1基于PC平台的实验

5.4.2基于DSP嵌入式平台的实验

5.5本章小结

结论

参考文献

攻读硕士学位期间所发表的学术论文

致谢