基于图像处理的驾驶疲劳检测方法研究

VIP免费

3.0 牛悦 2024-11-19 4 4 1.78MB 60 页 15积分

侵权投诉

摘要

随着机动车辆的增多和人们驾驶活动的日益频繁，交通安全引起人们越来越

多的重视。每年由驾驶员的疲劳驾驶导致的交通事故占很大比例，驾驶疲劳检测

技术通过实时监测驾驶员疲劳状态，在事故发生前提出预警，可以降低事故发生

率，防范于未然。

本文结合驾驶疲劳检测特点和技术要求，分析国内外相关领域的研究现状，

提出基于图像处理的驾驶疲劳检测方法，该方法具有可靠性高、安全性好、无干

扰、成本低等优点，是未来发展的必然趋势。

首先，对驾驶员脸部定位及倾斜脸部校正算法进行研究。脸部定位算法分为

两部分：脸部候选区域检测和脸部精确定位。采用 YCbCr 肤色模型初步检测人脸

的候选区域，在传统 Cb、Cr 分量作用基础上，增加 Y分量，提高了准确率。肤色

模型受光照影响小，不但能够在最大程度上保留完整脸部区域，而且适用于头部

旋转、人脸表情变化等各种情况。脸部精确定位采用基于 Haar-Like 小波特征的

AdaBoost 分类器算法。此外，算法增加 135°和 45°Haar-Like 特征，不仅能检测

正常人脸，而且能检测偏转、失真人脸。倾斜失真人脸的校正，可以降低人眼定

位中模板匹配算法的复杂度，提高算法速度。

其次，针对视频图像跟踪实时性要求，采用卡尔曼滤波器与 MEANSHIFT 算

法结合，利用运动预测和相邻帧的脸部肤色相似性实现跟踪，当图像中出现脸部

倾斜、手部干扰时，算法仍然可以继续跟踪脸部。脸部跟踪比脸部定位耗费时间

少，为提高整个算法实时性奠定基础。

再次，结合面部器官分布规则定位眼睛和嘴部。采用模板匹配算法定位眼睛，

首先将 Haar-Like 特征定位得到的脸部图像分成上下左右四部分；然后根据双眼运

动一致性和面部器官分布的几何对称性，在左上角区域内匹配左眼；最后基于面

部器官“三庭五眼”分布特点，二值分割人脸的下半部分图像，确定嘴部位置。

均分人脸使左眼匹配不需要遍历整幅图像，提高了算法的速度。

最后，根据眼睛信息和嘴部信息与疲劳的关系，采用 PERCLOS 参数（眼睛闭

合时间占某一特定时间的百分比）和嘴部动作频率双参数判断驾驶疲劳，提高了

准确率。

本文对基于图像处理的驾驶疲劳检测算法进行了详细论述，经过大量实验验

证，结果表明，在正常光照下，综合眼睛信息和嘴部信息，不但能够实时检测驾

驶员疲劳状态，当驾驶员疲劳或注意力分散时发出预警，而且具有较高的实时性

和准确性。

关键词：驾驶疲劳检测人脸定位 AdaBoost 算法脸部跟踪嘴部定位

ABSTRACT

With the increase in number of motor vehicles and activities of people’s driving,

traffic safety has attracted more and more attention. In recent years, the number of

traffic accidents caused by fatigue driving has been rising. With real-time monitoring of

drivers, driver fatigue detection technology will give warning before accidents, which

will prevent accidents from happening.

This paper has introduced an inspection technology into driver fatigue detection

based on image procession. This technology is intelligent, non-intrusive, real-time, and

cheap. The main research in this paper can be summarized as follows:

First, do research on face locating and correction algorithms. Step one: apply

YCbCr color model to initially detect the face candidate region. In order to accurately

detect face region, this paper has increased Y component, which has improved accuracy.

Skin color model is little affected by light, and can retain a complete face region to the

maximum extent. Even when there are rotation and facial expressions changes, it is

applicable, which provides foundation for accurate location of face region. Step Two:

accurate location of face region, this paper has put forward an AdaBoost cascade

classifier with Haar-Like features to detect face. For improvement, it has increased the

number of Haar-Like features for detection of deflected, distorted human faces. Step

three: correction of deflected and distorted faces, in order to facilitate the subsequent

eye template matching algorithm, deflected and distorted faces must be corrected.

Second, considering that face tracking is real-time, this paper has applied Kalman

filter and MEANSHIFT together, based on motion prediction and face skin color

similarities of adjoining frames, to track face. When there are tilted head, hand

interference, driver’s face will still be tracked. Face tracking has reduced algorithm’s

cost time, which is very favorable to following steps.

Third, locate human eyes and mouth based on organs distribution rules. In this

paper, we use template matching to locate the left eye. Firstly, divide the face image

into four parts. Secondly, search left eye in the upper left region of face. Since the left

and right eye are geometric symmetrical and moving consistently, it is enough to search

the left eye. At last, locate mouth in the lower half face. In the paper, we have done

image segmentation according to organs distribution to locate mouth. Face region

division has reduced the image size, improving detection efficiency.

Last, recognize driver fatigue according to the relationship of fatigue and mouth,

eyes. This paper uses PERCLOS (percentage of eyelid closure over the pupil over time)

parameter of left eye and open frequency of mouth to detect drive fatigue. Recognition

accuracy has been improved significantly by using joint of these two features of the

characteristics instead of one single feature.

Driver fatigue detection algorithms based on image processing are discussed in

detail in the paper. A lot of experiment results show that, in normal light, applying eye

and mouth information, can not only detect driver fatigue in real time, but also with

high accuracy. When the driver is fatigue or obsessive, it will give warning in time.

Key Words: drive fatigue detection, face location, AdaBoost classifier,

face tracking, mouth location

中文摘要

ABSTRACT

第一章绪论 ...................................................... 1

§1.1 驾驶疲劳检测方法研究背景和意义 ............................ 1

§1.2 国内外驾驶疲劳检测方法研究现状概述 ........................ 1

§1.3 驾驶疲劳检测方法的比较 .................................... 2

§1.4 本文主要研究内容 .......................................... 3

第二章驾驶员脸部定位算法研究 ..................................... 4

§2.1 脸部定位算法概述 .......................................... 4

§2.2 基于 YCbCr 肤色模型的驾驶员脸部检测算法的优化 .............. 5

§2.2.1 常用肤色模型 .......................................... 6

§2.2.2 增加 Y分量的 YCbCr 肤色模型 ........................... 7

§2.3 基于强分类器级联的脸部精确定位算法改进 ................... 12

§2.3.1 强分类器的定义 ....................................... 12

§2.3.2 强分类器训练算法——AdaBoost 算法 ..................... 13

§2.3.3 弱分类器特征——扩展的 Haar-Like 特征 .................. 14

§2.3.4 强分类器的训练和级联 ................................. 17

§2.3.5 实验分析 ............................................. 19

§2.4 倾斜脸部校正 ............................................. 20

§2.5 本章小结 ................................................. 21

第三章视频图像的驾驶员脸部跟踪 .................................. 22

§3.1 脸部跟踪算法概述 ......................................... 22

§3.2 基于卡尔曼滤波器与 MEANSHIFT 算法的脸部跟踪 ............. 22

§3.2.1 卡尔曼滤波器算法原理 ................................. 22

§3.2.2 MEANSHIFT 算法原理 ................................. 26

§3.2.3 卡尔曼滤波器与 MEANSHIFT 算法综合实现脸部跟踪 ....... 29

§3.3 实验分析 ................................................. 30

第四章眼睛和嘴部定位算法 ........................................ 32

§4.1 眼睛定位算法 ............................................. 32

§4.1.1 眼睛定位算法概述 ..................................... 32

§4.1.2 模板匹配定位眼睛 ..................................... 33

§4.1.3 实验分析 ............................................. 36

§4.2 嘴部定位算法 ............................................. 37

§4.2.1 嘴部定位算法概述 ..................................... 37

§4.2.2 基于人脸几何特征的嘴部定位算法 ....................... 37

§4.2.3 实验分析 ............................................. 39

第五章基于眼睛和嘴部信息的驾驶疲劳检测与分析 .................... 40

§5.1 基于眼部信息检测驾驶疲劳 ................................. 40

§5.1.1 PERCLOS 参数与疲劳检测 .............................. 41

§5.1.2 提取 PERCLOS 参数 .................................... 41

§5.2 基于嘴部信息检测驾驶疲劳 ................................. 42

§5.2.1 嘴部动作频率与疲劳检测 ............................... 42

§5.2.2 提取嘴部动作频率 ..................................... 43

§5.3 基于眼睛和嘴部信息检测驾驶疲劳 ........................... 44

§5.4 实验分析 ................................................. 47

第六章总结与展望 ................................................ 51

§6.1 本文关键技术 ............................................. 51

§6.2 展望 ..................................................... 51

参考文献 ......................................................... 53

在读期间公开发表的论文和承担科研项目及取得成果 ................... 56

致谢 ............................................................ 57

第一章绪论

§1.1 驾驶疲劳检测方法研究背景和意义

由于人的脑力和体力有限，当劳动时间和强度达到一定程度时会产生的生理

机能和心理机能失调的现象。驾驶疲劳是指驾驶员在驾驶过程，由于长时间的驾

驶，导致生理和心理上的疲劳，从而引起驾驶能力降低的现象[1]。驾驶疲劳可分为

生理疲劳与心理疲劳两方面。生理疲劳是指驾驶员生理机能退化，如脉搏加快、

血压升高、心跳加速、打呵欠和眨眼频率升高、动作不协调等现象。如果驾驶员

在上述情况下依然坚持驾驶，很容易导致交通事故。心理疲劳是指驾驶员由于长

时间驾驶，心理上出现厌倦、急躁、激动等情绪，生理疲劳总是伴随着心理疲劳。

当驾驶员情绪消极时，继续驾驶也可能操作失误导致事故发生。驾驶员一瞬间的

疏忽和误操作可能酿成严重的交通事故，不管是哪种疲劳，都是导致交通事故发

生的重大隐患。

交通事故是人类重大杀手之一，第一起有记载的交通事故发生在 1899 年。根

据全球各个国家的交通和警察部门统计数据：2003 年，全世界交通事故死亡人数

高达 50 万人[2]。其中，中国占 20.8%，而俄罗斯和美国仅占 5.2%和8%，同时，

在交通事故的致死率中，我国也是世界最高的。此外，交通事故还是造成未成年

人非正常死亡的最主要因素。交通事故给我国乃至全世界国家财产和人民生命财

产安全带来了巨大损失[3]。

人为因素是交通事故的主要因素，人为因素中最主要的是由于驾驶员疲劳引

起的操作失误，疲劳影响驾驶员的正常驾驶能力和警觉性。驾驶疲劳问题日益引

起世人的关注，随着我国高速公路建设的飞速发展，疲劳驾驶问题日益突出，为

改善我国驾驶疲劳测评方法落后的现状，研究驾驶疲劳测评方法的重大意义显而

易见。因此，结合电子学、计算机技术、图像处理技术、光学、数学以及心理学、

医学等诸多方面进行驾驶疲劳测评方法成为时下研究的热门。

§1.2 国内外驾驶疲劳检测方法研究现状概述

人疲劳时，生理会产生一些变化，如眨眼和打呵欠频率升高、动作不协调、

头脑发胀、血压升高、注意力下降等等。为了避免驾驶员由于疲劳操作不当引起

事故，最佳措施是在驾驶员处于疲劳状态时发出预警，防患事故于未然。疲劳监

控报警器的研究最早可以追溯到 20 世纪 30 年代末，目前已有的驾驶疲劳检测方

法多种多样，按照检测原理可分为：基于生理特征、基于驾驶行为、基于图像处

理等几大类。关于驾驶疲劳检测的研究，目前国内外还没有实现统一的标准和性

能要求，投入实际使用的更是少之又少，大部分研究还只是停留在理论阶段。

1.基于驾驶员生理特征的疲劳检测方法

文档加载中……请稍候！
如果长时间未打开，您也可以点击刷新试试。

下载文档到电脑，查找使用更方便

15 积分 4人已下载

立即下载 VIP免费下载

摘要：

摘要随着机动车辆的增多和人们驾驶活动的日益频繁，交通安全引起人们越来越多的重视。每年由驾驶员的疲劳驾驶导致的交通事故占很大比例，驾驶疲劳检测技术通过实时监测驾驶员疲劳状态，在事故发生前提出预警，可以降低事故发生率，防范于未然。本文结合驾驶疲劳检测特点和技术要求，分析国内外相关领域的研究现状，提出基于图像处理的驾驶疲劳检测方法，该方法具有可靠性高、安全性好、无干扰、成本低等优点，是未来发展的必然趋势。首先，对驾驶员脸部定位及倾斜脸部校正算法进行研究。脸部定位算法分为两部分：脸部候选区域检测和脸部精确定位。采用YCbCr肤色模型初步检测人脸的候选区域，在传统Cb、Cr分量作用基础上，增加Y分量，提...

展开>> 收起<<

基于图像处理的驾驶疲劳检测方法研究.pdf

共60页,预览6页

还剩页未读，继续阅读

基于图像处理的驾驶疲劳检测方法研究

相关推荐

开通VIP享超值会员特权

作者详情

相关内容

推荐作者

热门标签

举报选择: