论文部分内容阅读
眼部状态的检测被认为是目前最准确可靠的疲劳驾驶状态识别方法,快速、准确地定位眼部是疲劳检测的关键。针对AdaBoost算法的训练过程中的样本权重过拟合问题进行了改进,提出了新的权重更新方法,即每一轮设定一个权重更新的阈值,避免了样本权重过拟合现象的出现。并针对影响检测速度的要素,结合肤色模型,缩小了搜索范围,减小了检测的错误接受率,并提高了检测速度。在Linux系统下采用QT编程实现了眼部疲劳检测的整个过程。实验结果验证了该算法定位和检测的准确性、实时性。