近年來,隨著汽車保有量的增加,交通事故的發(fā)生頻率居高不下,造成了大量的人員傷亡及巨大的經(jīng)濟(jì)損失。在發(fā)生的眾多事故中,疲勞駕駛導(dǎo)致的事故占據(jù)了很大比重,故駕駛員疲勞檢測技術(shù)備受國內(nèi)外學(xué)者的關(guān)注。結(jié)合眼睛和嘴巴兩個特征進(jìn)行疲勞分析,相對于前人的研究,合理解決了檢測的準(zhǔn)確度問題,具有非接觸性、實(shí)時性等優(yōu)點(diǎn)對于保障駕駛員人身安全具有重要意義。論文首先對采集的駕駛員圖像進(jìn)行預(yù)處理,即圖像增強(qiáng)、濾波去噪及光照補(bǔ)償,提高圖像的質(zhì)量,減少噪聲的干擾,使人臉受光均勻。其次進(jìn)行人臉的定位,采用基于Haar特征的Adaboost算法進(jìn)行人臉定位,通過構(gòu)建弱分類器,選取最佳Haar特征構(gòu)建成強(qiáng)分類器,進(jìn)行級聯(lián),作為最佳的強(qiáng)分類器,再進(jìn)行人臉檢測。然后進(jìn)行眼睛和嘴巴的識別定位,基于積分投影法進(jìn)行眼睛區(qū)域的定位,通過計算眼瞼及瞳孔的黑色像素占眼睛區(qū)域的總像素百分比進(jìn)行眼睛睜閉狀態(tài)的分析;基于改進(jìn)的“三庭五眼”法進(jìn)行嘴巴區(qū)域的定位,再通過積分投影法計算嘴巴的高寬比,以此來判斷嘴巴的張閉狀態(tài)。最后根據(jù)PERCLOS準(zhǔn)則及眨眼頻率來進(jìn)行基于眼睛的疲勞分析,根據(jù)打哈欠進(jìn)行基于嘴巴的疲勞分析,再結(jié)合眼睛和嘴巴進(jìn)行駕駛員的疲... 

【文章來源】：遼寧工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

交通事故發(fā)生場景

圖 2.2 RGB 色彩空間Fig. 2.2 Default RGB colour space對彩色圖像進(jìn)行灰度化處理，效果圖如圖 2.3 所示。彩色圖理后，處理速度快，處理效果較好。（a）原始圖 （b）灰度圖圖 2.3 灰度圖像效果圖

圖 2.2 RGB 色彩空間Fig. 2.2 Default RGB colour space權(quán)法對彩色圖像進(jìn)行灰度化處理，效果圖如圖 2.3 所示。彩色圖像化處理后，處理速度快，處理效果較好。


本文編號：3109672