基于虹膜檢測(cè)的駕駛員疲勞檢測(cè)研究.pdf

1、隨著社會(huì)的發(fā)展，人民生活水平的不斷提高，人們的汽車保有量也在不斷增加，隨之而來(lái)的交通事故也急劇增加，而由于疲勞緣故導(dǎo)致的交通事故所占比重更是非常之高，所以有效防止和監(jiān)督駕駛員疲勞駕駛，對(duì)降低交通事故具有重要意義。目前已經(jīng)有很多關(guān)于疲勞駕駛檢測(cè)系統(tǒng)的研究，也取得了很多的成果。本文在分析比較前人研究的基礎(chǔ)上，采用了基于計(jì)算機(jī)視覺(jué)的方法通過(guò)人眼狀態(tài)來(lái)對(duì)駕駛員的疲勞程度進(jìn)行評(píng)估判定。
　　本文對(duì)于駕駛疲勞檢測(cè)的研究主要包括以下部分:人臉區(qū)

2、域的提取，人眼檢測(cè)與跟蹤定位，虹膜定位，疲勞判定。
　　1.人臉區(qū)域提取。在對(duì)已有人臉檢測(cè)算法的分析對(duì)比基礎(chǔ)上，選擇了基于Haar特征的AdaBoost方法對(duì)人臉進(jìn)行檢測(cè)，并根據(jù)人臉在視頻圖像中的面積大小進(jìn)行驗(yàn)證。實(shí)驗(yàn)檢測(cè)結(jié)果表明，本方法在檢測(cè)精度和檢測(cè)時(shí)間上均可以達(dá)到本研究的要求。
　　2.人眼檢測(cè)。本文對(duì)直方圖均衡化進(jìn)行的改進(jìn)，提出了加權(quán)均衡化的方法對(duì)人眼區(qū)域進(jìn)行處理。本文提出了利用直方圖的方式選取對(duì)人眼區(qū)域進(jìn)行二值化閾

3、值的方法，為人眼區(qū)域的分割提供了良好的基礎(chǔ)。提出了基于輪廓提取的人眼檢測(cè)方法。通過(guò)此方法可以很好地將眉毛、鼻子陰影、側(cè)面陰影以及其他干擾去除。
　　3.虹膜定位。本文對(duì)已有算法進(jìn)行優(yōu)化改進(jìn)，精確的對(duì)虹膜進(jìn)行檢測(cè)定位。
　　4.本文通過(guò)模板匹配的方法對(duì)檢測(cè)到的人眼進(jìn)行跟蹤定位。對(duì)影響其運(yùn)行時(shí)間的因素進(jìn)行了分析，并采用了減小分辨率的方法來(lái)增加跟蹤的效率，通過(guò)實(shí)驗(yàn)看到，減小分辨率并沒(méi)有減少跟蹤的精度，但是時(shí)間卻極大的減少。