论文部分内容阅读
在基于AdaBoost算法识别驾驶员眼部疲劳状态时,环境光照、视角的频繁变化是影响识别稳定性的重要因素,为此提出了一种基于Kanade-Lucas(K-L)光流跟踪与AdaBoost级联分类器相结合的改进算法。该算法利用AdaBoost算法识别并存储人眼的角点特征,在AdaBoost算法无法正确识别时,利用(K-L)光流跟踪算法跟踪正确识别的角点有效地提高了人眼识别率,降低了误识别率,并降低了重复识别的运算量。