基于Android平臺的車載疲勞駕駛監(jiān)測系統(tǒng).pdf

1、隨著道路交通基礎設施的日益完善，機動車保有量和機動車駕駛員人數(shù)快速地持續(xù)增長，疲勞駕駛現(xiàn)象也日益嚴重，并逐漸成為導致交通事故的主要因素之一。相關研究表明，如果能對駕駛員的疲勞狀態(tài)實時監(jiān)測，并在疲勞駕駛初期及時地給以相應的預警提醒，可有效地避免大量的交通事故。
　　本文對基于Android平臺的車載疲勞駕駛監(jiān)測系統(tǒng)進行了研究。系統(tǒng)以基于Android的智能手機為硬件平臺，利用其前置攝像頭采集駕駛員的圖像，通過分析駕駛員的眼睛閉合狀態(tài)

2、，并以PERCLOS指標來衡量駕駛員的疲勞狀態(tài)。本文主要工作如下：
　　（1）人臉檢測及跟蹤。本文基于Adaboost算法構建了人臉檢測系統(tǒng)，基于Kalman濾波實現(xiàn)人臉跟蹤系統(tǒng)，在車載環(huán)境下采集了大量車內環(huán)境圖像作為人臉負樣本，訓練得到了具有較好檢測效果的人臉檢測器，并通過車載環(huán)境下拍攝的駕駛員圖像數(shù)據(jù)對人臉檢測及跟蹤系統(tǒng)進行了測試。
　?。?）人眼定位。首先，在人臉檢測的基礎上，根據(jù)人臉部器官“三庭五眼”的幾何分布特點，

3、進一步縮小人眼定位的檢測范圍；然后，通過 Adaboost算法構建了人眼定位系統(tǒng)；最后，通過加窗灰度積分投影算法將眉眼部位進行了分離，從而實現(xiàn)了人眼部位的精確定位。
　　（3）疲勞狀態(tài)識別。采用 PERCLOS方法對駕駛員疲勞狀態(tài)進行檢測，重點研究了基于眼睛區(qū)域面積和基于上眼瞼曲率的人眼狀態(tài)識別。在基于眼睛區(qū)域面積的人眼狀態(tài)識別方法中，提出了一種基于Kalman濾波的二值化分割閾值動態(tài)調整方法。
　?。?）基于 Androi