面部多特征融合的驾驶员疲劳检测方法

为了监测驾驶员的疲劳状态,提出了一种基于面部多种疲劳参数的驾驶员状态检测算法。首先利用Gabor滤波和梯度信息增强眼睛和嘴部的边缘信息以进行准确定位,然后采用一种旋转不变的LBP金字塔特征对眼睛进行特征描述,训练线性SVM分类器判别眼睛的开闭状态;并根据嘴部的张开面积及宽高比判断嘴部的开闭状态,同时通过统计眼睛在垂直方向上的运动确定头部位置的变化。最后基于眼睛和嘴部的状态、头部的位置,计算出4个能够描述驾驶员状态的疲劳参数,利用模糊系统推理得出驾驶员最终的疲劳状态。实验结果证明检测和状态判别的算法都有较高的准确率,其中眼睛状态的识别率平均在97%,嘴部状态的识别率也能达到92%;模糊系统的合理性也在实验中得以验证。