基于视觉的驾驶员疲劳检测方法研究与预警

发布时间：2020-03-28 14:30

【摘要】：随着人们生活水平的提高,道路交通在不断发展,汽车数量在不断增加,伴随而来的便是交通事故的频发,导致交通事故的主要因素之一就是疲劳驾驶。因此,驾驶员疲劳检测系统的设计成为了当前研究的焦点,一套使用方便、检测准确、运行速度快的驾驶员疲劳检测系统对于当前交通事故频发问题的改善具有重要意义。本文通过运用图像处理技术,提出一套基于机器视觉的疲劳检测方法。通过运用图像处理、人脸检测以及特征点提取等技术对驾驶员面部特征状态进行分析,进而判断疲劳状态。本文的疲劳检测系统由图像采集模块、图像预处理模块、人脸以及人脸特征点检测模块和人脸特征状态分析模块组成,其中对人脸以及人脸特征点检测模块和和人脸特征状态分析模块进行了详细的研究。首先,通过摄像头实时采集驾驶员的头部图像,并采用同态滤波和中值滤波等技术进行光线补偿以及消除噪声。并提出了将旋转不变性的LBP算子与MB_LBP算子相结合的特征提取方法,其改进了传统LBP特征信息冗余的缺陷,对人脸轮廓的描述更加清晰,随后进行人脸分类器的训练,通过训练得到的分类器对驾驶员头部区域进行实时的人脸检测。实验结果表明,改进后的人脸检测算法比传统的人脸检测算法准确率更高、稳定性更好。其次,本文提出了一种基于改进的随机森林级联回归的方法对人脸特征点进行检测,通过将脸部特征点进行区域划分,并分别对每个区域进行形状回归,最终得到人脸形状,这种方法改进了全局形状回归调解不平衡的缺陷。随后运用此方法对驾驶员人脸图像进行特征点定位,并通过椭圆拟合算法获得驾驶员眼部以及嘴部区域。然后提出了将PERCLOS值、眨眼频率、打哈欠频率相结合的疲劳判断准则,相比于仅依据眼部信息的判定方法,其提高了判定的准确性。最后,采用计算机作为疲劳检测系统模拟运行的硬件平台,通过CMOS摄像头采集图像,并在家用轿车中进行疲劳检测实验,实验结果表明,本文的驾驶员疲劳检测系统具有较高的准确性以及稳定性,并且能够很好的满足实时性的要求。
【图文】：

高斯滤波,均值滤波

图 2-1 均值滤波滤波波是图像预处理常用的滤波器之一，其通过对图像中每素点邻域内的其他像素点的值进行加权平均来得到处理操作是首先通过构建一个模板，然后逐个以图像中的每求取模板领域内像素的加权平均值，最后将求得的值代2-2即为经过高斯滤波后的图像，其中，选取的模板大小

高斯滤波,中值滤波,模板

其具体操作是首先通过构建一个模板，然后逐个以图像中的每个像素点作模板中心，求取模板领域内像素的加权平均值，最后将求得的值代替相应像素点的值。如图2-2即为经过高斯滤波后的图像，其中，选取的模板大小为 S ize(3,3)。图 2-2 高斯滤波(3) 中值滤波中值滤波也是图像预处理常用的滤波器之一[21]。其具体操作是首先选取一个模板，，例如为 3× 3大小的模板，然后将目标像素领域内的像素点(即以目标点为中心放置模板，取目标点周围的 8 个点)进行数字序列化，取其中值，并用该中值代替模板中心点的像素值。这种方法对于消除孤立的噪声点具有显著效果，对于斑点噪声和椒盐噪声来说效果尤其明显。与均值滤波相比较，没有将噪声
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;U463.6

【相似文献】