基于PERCLOS的列车司机驾驶疲劳检测研究

摘要

列车行车安全把握着铁路运输的命脉，列车司机的驾驶疲劳是影响列车行车安全最主要的因素，如何实时检测列车司机的驾驶疲劳状态并及时预警，从而有效减少列车行车事故的发生，已成为当下的研究热点。本文利用机器视觉，研究一种的非接触式的、准确的、实时的、鲁棒性好的列车司机驾驶疲劳检测方法，该方法通过图像处理的方式提取眼部PERCLOS特征值（单位时间内眼睛处于闭合状态时间所占的比例），进而判断列车司机的疲劳状态。论文的研究内容包括:
　　(1)研究一种由粗到精的快速准确的人脸检测定位方法。首先建立了高斯肤色模型并分割出图像中的肤色区域，目的是尽量缩小人脸的存在范围，提高人脸检测速度。然后采用人脸检测率最高的AdaBoost算法训练出级联的人脸分类器。最后使用人脸分类器在去除了大量背景的肤色区域中准确定位人脸位置，作为人眼的检测区域。
　　(2)提出一种结合人眼分类器和动态人眼模板匹配法的人眼检测定位方法，该方法利用连续图像帧之间人眼位置和形态的连续性，首先采用人眼分类器在人脸区域内准确定位人眼并分割出人眼子图像作为人眼模板，然后采用模板匹配法在相邻若干帧图像的人脸区域快速定位人眼。为了进一步提高人脸的检测速度，本文采用卡尔曼滤波法在连续图像帧中预测人眼位置，将预测的人眼位置与下一帧肤色区域做对比，合理的将人脸和人眼检测定位过程融合起来，大大降低了人脸检测耗时，实现了人脸、人眼的快速准确定位。
　　(3)针对目前人眼状态识别方法的鲁棒性低和耗时多等问题，本文提出一种结合眼部宽高比和白黑像素比的人眼状态识别方法，该方法根据人眼外形和黑白像素构成在不同开闭状态的差异，可以快速准确的识别出图像中的人眼状态。本文选取PERCLOS方法作为驾驶疲劳检测方法，以该方法的P80标准为依据，计算连续图像帧中列车司机眼部PERCLOS特征值，判断列车司机的驾驶疲劳状态。
　　综合以上研究内容，本文建立了列车司机驾驶疲劳检测系统，验证了所研究驾驶疲劳检测方法的有效性、准确性、实时性和鲁棒性。

目录

声明

致谢

摘要

1 引言

1．1 课题研究背景及意义

1．2 驾驶疲劳检测方法国内外研究现状

1．2．1 驾驶疲劳检测方法的分析和归纳

1．2．2 驾驶疲劳检测方法目前存在的问题

1．3 论文研究内容

1．4 论文组织结构

2 人脸的区域分割和检测

2．1 人脸检测方法选取

2．2 人脸图像的预处理

2．2．1 中值滤波

2．2．2 光照补偿

2．3 应用高斯肤色模型进行人脸区域预分割

2．3．1 颜色空间分析及选取

2．3．2 建立高斯肤色模型

2．3．3 应用自适应OSTU算法计算肤色相似度阈值

2．3．4 数学形态学滤波

2．3．5 非人脸区域初步去除

2．4 AdaBoost算法用于人脸准确检测

2．4．1 AdaBoost算法及级联分类器

2．4．2 使用Haar特征和积分图训练弱分类器

2．4．3 AdaBoost算法训练强分类器

2．4．4 使用人脸分类器的人脸检测实验及结果分析

2．5 本章小结

3 连续图像帧中人眼检测和跟踪预测

3．1 人眼检测常用方法

3．2 应用人眼分类器进行人眼精确定位

3．2．1 人眼分类器的训练样本选择

3．2．2 矩形Haar特征的选择

3．2．3 人眼检测实验结果及分析

3．3 应用动态模板匹配法进行人眼快速匹配定位

3．3．1 选择计算匹配度的算法

3．3．2 动态建立人眼模板

3．3．3 动态人眼模板匹配实验结果及分析

3．4 应用卡尔曼滤波算法预测人眼位置

3．4．1 人眼位置预测方法的引入

3．4．2 卡尔曼滤波方法

3．4．3 人眼位置预测

3．4．4 人眼位置预测结果评价及处理方法

3．5 本章小结

4 列车司机驾驶疲劳状态判断

4．1 人眼状态识别

4．1．1 人眼状态识别算法简介

4．1．2 结合眼部高宽比和白黑像素比例的人眼状态识别

4．1．3 人眼状态识别实验结果及分析

4．2 基于PERCLOS的驾驶疲劳判断

4．2．1 PERCLOS方法简介

4．2．2 根据PERCLOS的P80标准判断驾驶疲劳状态

4．3 列车司机驾驶疲劳检测系统的建立和实验

4．3．1 系统的工作流程

4．3．2 系统的软硬件平台

4．3．3 列车司机驾驶疲劳检测实验及结果分析

4．4 本章小结

5 全文总结与展望

5．1 论文的工作和结论

5．2 论文的创新点

5．3 不足与展望

参考文献

作者简历

学位论文数据集