資源描述：
《基于視頻的駕駛員疲勞狀態(tài)檢測方法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、分類號密級基于視頻的駕駛員疲勞狀態(tài)檢測方法研究研究生姓名：李德武指導教師姓名、職稱：舒小華副教授學科專業(yè)：電氣工程研究方向：復雜機電系統(tǒng)的信息集成和協(xié)調控制湖南工業(yè)大學二〇一八年六月十日摘要疲勞駕駛是引發(fā)眾多交通事故的重大隱患之一。隨著機器視覺技術的快速發(fā)展和應用，采用非接觸式的、基于機器視覺的疲勞檢測技術已成為該領域的主流研究方向。目前基于機器視覺的疲勞檢測方法難以做好準確度與檢測速度的兼顧。針對以上問題，本文基于視頻的疲勞狀態(tài)檢測圍繞人眼狀態(tài)展開研究，實現(xiàn)了對駕駛員的疲勞狀態(tài)檢測與判斷。論文主要研究內容及相關結論如下：針對人臉圖像分割定位易受光照因素影響
2、，利用膚色在色度空間上聚類特性，采用基于膚色分割的人臉定位方法。對待檢的彩色人臉圖像在YCbCr顏色空間上建立高斯膚色模型，進行相應的膚色相似度計算，增強膚色區(qū)域與背景的差異性。對膚色分割圖像經(jīng)過一系列圖像處理工作后通過灰度積分投影的方法來定位人臉區(qū)域。該方法受光照因素影響較小，識別率高。針對閉眼狀態(tài)定位效果不穩(wěn)定問題，采用一種GentleAdaboost與Haar-like矩形特征相結合的迭代級聯(lián)分類器算法實現(xiàn)人眼定位?；谝曨l的人眼疲勞狀態(tài)檢測，需要捕捉的是連續(xù)幀的動態(tài)人臉圖像。對于連續(xù)幀的人眼跟蹤定位，采用基于卡爾曼濾波與改進的Camshift相結合的
3、綜合檢測方法來完成人眼的動態(tài)實時跟蹤檢測。結果表明，該方法能有效實現(xiàn)對動態(tài)人臉圖像中的人眼目標的定位與跟蹤。針對人眼狀態(tài)識別精度較低問題，提出一種基于最小外接矩形的改進算法來獲取人眼寬高比信息的方法。通過相應數(shù)學轉換關系，將獲取的每幀人眼子圖像的寬高比信息轉換為人眼的開合度信息。通過計算出PERCLOS值與眨眼頻率的輔助判斷的方法來實現(xiàn)對駕駛員疲勞狀態(tài)判斷。最后實現(xiàn)基于視頻的駕駛員疲勞狀態(tài)檢測系統(tǒng)，在PC機下進行了大量仿真模擬實驗。相關實驗檢測結果表明，該系統(tǒng)計算速度快，檢測精度較高，具備一定的實用性。關鍵詞：疲勞駕駛,人臉定位,人眼定位,Adaboost,
4、PERCLOSIABSTRACTFatiguedrivingisoneofthemajorhiddendangersofmanytrafficaccidents.Withtherapiddevelopmentandapplicationofmachinevisiontechnology,theuseofnon-contact,machinevisionbasedfatiguedetectiontechnologyhasbecomethemainstreamresearchdirectioninthisfield.Atpresent,machinevision
5、basedfatiguedetectionmethodisdifficulttodowellinbothaccuracyandspeed.Tosolvetheproblemsabove,thefatiguestatedetectionbasedonvideoisdevelopedbythehumaneyestate,andthedriver'sfatiguestateisdetectedandjudged.Themaincontentsandrelatedconclusionsofthispaperareasfollows:Aimingattheinflue
6、nceofilluminationfactorsonfaceimagesegmentationandlocation,clusteringcharacteristicsonchromaticityspacebyusingskincolor,afacelocationmethodbasedonskincolorsegmentationisadopted.TheGaussskincolormodelisestablishedontheYCbCrcolorspaceforcolorfaceimages,andthecolorsimilarityoftheskinc
7、oloriscalculatedtoenhancethedifferenceofthecolorareaandthebackground.Afteraseriesofimageprocessingworks,wecanlocatethefaceregionbygraylevelintegralprojection.Thismethodislessaffectedbylightfactorsandhashighrecognitionrate.AniterativecascadeclassifiercombinedGentleAdaboostandHaar-li
8、kerectangularfeaturesisado
