基于ASM与信息融合的驾驶员疲劳检测技术的研究

驾驶员疲劳检测研究中,由于驾驶环境的复杂性,驾驶人员的差异性、疲劳状态表征的多样性,本文提出了一种基于主动形状模型(ASM)与多个信息融合的疲劳检测技术。首先使用CCD摄像头采集驾驶员面部图像信息并进行图像预处理,然后选择基于Haar特征的级联AdaBoost算法进行人脸检测,对检测到的人脸利用ASM进行特征点定位,得出眼睛、嘴巴以及头部等多个信息的状态参数,最后提取眼睛的PERCLOS值、哈欠频率、点头频率等疲劳特征,综合以上多个疲劳特征信息从而判断驾驶员的疲劳程度。实验结果表明,这种通过多个特征信息进行疲劳检测具有较高的准确性和鲁棒性。