论文部分内容阅读
本文通过研究当前疲劳驾驶检测领域的研究成果和发展趋势,提出以监测人眼(瞳孔)相关参数为主的疲劳驾驶检测方案,重点研究了视频序列图像中人眼(瞳孔)检测与实时跟踪等相关问题。文章介绍了基于肤色模型和基于串联增强分类器(CascadesofBoostedClassifiers)的人脸检测定位技术;采用HSV颜色模型进行基于肤色模型的人脸检测与定位;采用AdaBoost方法进行基于串联增强分类器的人脸检测与定位;采用CMU的正面人脸训练库,对20层的串联式分类器进行训练,并进行视频序列图像中人脸检测。文章通过分析人眼运动模型,将人眼运动分解为匀速运动、急骤的加速减速运动。同时为了降低运算量、提高运算速度,同时将图像中双眼运动视为相互独立的,且图像中单眼运动在水平及竖直方向的投影也是相互独立的,并通过计算机模拟,验证了该方案的可行性。