基于機器視覺與學習的駕駛員疲勞檢測研究.pdf

1、現階段，疲勞駕駛是造成交通事故發(fā)生的罪魁禍首，因而對駕駛員進行疲勞檢測這方面的工作得到了越來越多學者的關注。而基于機器視覺的疲勞檢測方法具有實時性好、非接觸性和疲勞程度評估精確的優(yōu)點，成為疲勞檢測的一個新方法。
　　在已有的基于機器視覺的疲勞檢測方法的基礎上，提出了一套改進的疲勞檢測方法。其中主要算法有：臉部定位、眼部定位與跟蹤以及眼部特征計算、嘴部定位與跟蹤以及嘴部特征計算、基于邏輯回歸模型的疲勞狀態(tài)識別。主要內容如下：

2、　　1、人臉定位。通過攝像頭采集駕駛員頭部的圖像，采用同態(tài)濾波的方法對圖像進行預處理，在分析比較常用的人臉檢測技術優(yōu)缺點的基礎上，提出了改進的基于膚色高斯模型的人臉檢測方法和基于Haar-like特征的人臉檢測方法，實驗結果表明改進的基于膚色高斯模型的人臉檢測方法性能更好一些。
　　2、眼部定位與跟蹤以及眼部特征計算。在前一章節(jié)人臉定位的基礎上，通過分析比較常用的人眼定位方法的優(yōu)缺點，提出了基于眼部強化圖的人眼定位方法，再采用基于

3、位置偏移的人眼跟蹤方法進行眼部跟蹤，最后提出了計算一段時間內眼部閉合所占百分比、眨眼頻數和平均眨眼持續(xù)時間特征的方法。
　　3、嘴部定位與跟蹤以及嘴部特征計算。在人臉定位的基礎上，提出了基于嘴部強化圖的人嘴定位方法和基于嘴部狀態(tài)分類的內唇開度估計方法來進行嘴部狀態(tài)的識別，最后提出了計算嘴部閉合時間所占百分比、嘴部張合頻數特征的方法。
　　4、基于邏輯回歸模型的駕駛員疲勞駕駛識別方法。通過對前面提取的與疲勞相關的眼部閉合所占百