基于面部特征的驾驶员疲劳检测系统

设计了一套基于人脸特征点的驾驶员疲劳检测预警系统,运用OpenCV对采集的图像进行灰度化处理,通过方向梯度直方图(histogram of oriented gradient,HOG)特征检测并提取人脸区域进行预处理,利用Dlib库模型标定人脸68个特征点。通过计算人眼长宽比EAR阈值来检测眨眼次数,计算嘴部的欧式距离MAR判断打哈欠次数,将驾驶员2D人脸关键点与驾驶员3D人脸模型相匹配,建立旋转矩阵计算欧拉角来判断驾驶员点头次数,最终判断驾驶员睁闭眼、打哈欠和点头次数是否超过单位时间阈值判断其疲劳状态。结果显示此系统对驾驶员疲劳状态有很好的警示作用,判断结果准确率高。

基于OpenCV的车道线智能检测方法

随着无人车驾驶技术的飞速发展,对车道线检测技术的实时性也提出了更高的要求。基于OpenCV对车道线进行检测,首先对车载系统采集的图像进行裁剪随、灰度化、然后对灰度化的图像进行滤波,增强图像质量,接着对增强后的图像进行膨胀处理并对其进行边缘检测,最后选取感兴趣区域、概率霍夫直线变换及拟合。从而得出预想车道线检测图像。实验表明:将采集到的图像进行两次裁剪能够使车辆车道线图像进行高效、实时性并且高精度的检测,适用于户外高速行驶的车辆进行车道线检测。