论文部分内容阅读
手机的出现为人们生活带来了巨大的便利,同时也对汽车安全驾驶造成了不小的考验。现在驾驶员在驾驶过程中拨打、接听电话或低头看手机的非安全驾驶行为日益普遍,已经成为当今汽车事故频发的重要原因之一。目前对行车过程中驾驶员使用手机的非安全驾驶行为进行检测的研究还不多,通常采用基于手机信号捕捉的监控方法,但是这种方法存在无法精确识别手机信号是来自驾驶员还是乘客的弊端,容易发生误检。基于此,本文提出了基于机器视觉的非安全驾驶行为检测方法,该方法首先通过安装在车内挡风玻璃上的摄像头实时采集驾驶员的驾驶行为数据,然后运用相关算法对采集的视频数据进行综合分析及判断,最后对驾驶员行车过程中是否存在使用手机的非安全驾驶行为进行实时监控。首先,本文提出了基于肤色分割与AdaBoost算法相结合的人脸检测算法,并在人脸跟踪上提出了尺度自适应KCF目标跟踪算法,完成了相关的对比验证实验,实验结果表明本文提出的算法拥有更好的性能。其次,依据人脸检测结果完成了非安全驾驶行为的手部图像候选区域的区域定位,提出了YCbCr肤色提取与肤色阈值相结合的手部图像检测方法,并运用连续多帧图像检测结果求均值的方法对驾驶员行车过程中是否存在使用手机的非安全驾驶行为进行判断。最后,通过实验验证了基于机器视觉的非安全驾驶行为检测方法的可靠性和准确率。论文研究结果表明:基于机器视觉的非安全驾驶行为检测方法能有效检测出驾驶员在行车过程中使用手机的非安全驾驶行为,可实际应用于公交车、长途客运汽车、出租车等公共运输交通工具的安全驾驶预警上,有效提高行车安全,减少交通事故的发生。