基于视觉的驾驶员疲劳检测研究

随着社会经济的发展,驾驶疲劳己成为引发交通事故的主要因素之一。因此,如何有效的检测和防止驾驶疲劳,对于降低交通事故发生率及人员死亡率有着十分重要的意义。 本文在大量参考国内外相关文献的基础上,分析对比了各种疲劳检测方法,深入研究了基于视觉的非接触式、实时的驾驶疲劳检测方法,其中包括人脸检测、眼睛定位、眼睛状态识别、眼睛跟踪和疲劳分析。在人脸检测中,使用实时性好的基于肤色的人脸检测算法,提出了一种新的二值化法—累计直方图阈值法,将脸部分离出来,降低了对光照的敏感性。 在眼睛定位中,提出了双空间眼睛定位法,先进行虹膜检测,在没有检测到虹膜的情况下采用圆卷积模板法定位眼睛,大大提高了定位精度;在眼睛状态识别中,提出了由粗到细的眼睛状态识别方法,先根据是否有虹膜来判断,若没有,再根据上眼睑曲率识别,这就避免了个别检测不到虹膜但仍为开眼的情况,提高了识别精度。 在眼睛跟踪中,提出了一种基于卡尔曼滤波与Mean Shift算法相结合的眼睛跟踪方法,此法能够进行尺度更新和准确地跟踪闭眼。 在驾驶员疲劳分析中,采用了PERCLOS与眨眼频率相结合的方法,提高了报警可靠性。 实验分析表明,该方法能够解决戴眼镜、头部旋转、光照变化、表情变化等情况下的眼睛定位、状态识别和疲劳判定,眼睛定位准确率可达94.67%,状态识别准确率可达98%,平均每帧处理时间约为50毫秒,精度高、实时性好。