论文部分内容阅读
机动车事故发生数量随着社会进步和经济发展不断攀升,疲劳驾驶等人为因素成为引发交通事故的重要因素之一,因而,有效检测疲劳状态,警示处于疲劳状态的驾驶员对减少交通事故发生具有重要意义。
本文在介绍现有疲劳检测方法的基础上,分析比较其各自的优缺点,找出了符合本实验实时疲劳检测要求的方法—PERCLOS参数。根据PERCLOS参数指示疲劳状态的原理,本文利用摄像机采集正面人脸面部状态视频,从中定位眼镜和嘴巴位置,对其分别进行状态提取,然后利用其各自状态指导疲劳检测。在实验的最后阶段,为进一步提高疲劳检测准确率,将两特征进行融合,用于疲劳检测。
和其它成果相比,本文的有效改进体现在以下方面:
1)采用有效手段缩小人脸检测和眼睛、嘴巴检测的搜索区域,提高检测速度和准确率。首先,利用三帧差法确定人脸检测候选区域;然后,根据脸部生理特征和“三庭五眼”准则,分别在检测到的人脸区域上半部分和下半部部分区域进行眼睛和嘴巴检测。
2)结合实验条件和PERCLOS参数测量原理,对PERCLOS参数的计算进行合理、可行的改进,利用单位时间内闭眼帧数占总帧数的百分比代替单位时间内闭眼时间占总时间的百分比。
3)为进一步提高疲劳检测准确率,尝试将眼睛和嘴巴多特征融合的方法用于疲劳检测,并将利用融合特征的检测结果与利用单一特征的检测结果进行比较,得出了多特征融合有利于提高检测准确性的结论,为后续研究提供了一定的指导作用。
本文详细介绍了PERCLOS参数和Adaboost算法的原理,并根据实际实验要求和条件,对方法的具体实现进行了可行的改进,在此基础上完成了基于眼睛和嘴巴特征提取的疲劳检测实验,实验结果表明本文采用的方法具有较高的检测效率,能够比较准确地判断疲劳状态,可以满足实时疲劳检测的要求。