基于有限状态自动机的人眼开度PERCLOS实现算法

针对驾驶员驾驶过程中因疲劳引起的眼睛开度变化问题,在原有PERCLOS(percentage of eyelid closure over the pupil over time)标准的基础上,提出了一种基于有限状态自动机的人眼开度PERCLOS计算方法,并将其应用到疲劳驾驶预警系统中。该系统首先采用红外摄像头实时获取驾驶员的脸部视频图像,使用ASM(active shape models)算法进行人脸检测,在定位到的人脸范围内搜索人眼区域并计算人眼开度,为了避免人与摄像头距离变化影响计算结果,对人眼开度进行归一化处理;然后依据建立的有限状态自动机模型计算PERCLOS值;最后根据制定的预警机制实现基于人眼开度的疲劳预警。实验结果表明本方法能够实时监测驾驶员疲劳状况,具有对光照变化、脸部配饰不敏感的特点。

基于PERCLOS的疲劳驾驶检测系统的实现

本文阐述了PERCLOS测评驾驶疲劳的机理。介绍了疲劳识别的算法,该系统首先利用肤色模型粗略检测出人脸区域,并根据驾驶员面部几何特征,准确定位出眼睛;然后根据眼睛区域白色像素的多少及闭眼持续时间对驾驶员状态做出判断;最后应用Microsoft Visual C++6.0在Windows XP操作平台上,对疲劳检测判定进行实现。实验表明:该系统可以准确定位眼睛并判定驾驶员疲劳状态,其准确率为94.44%。

基于PERCLOS的疲劳驾驶检测研究

疲劳驾驶成为了导致交通事故发生的重要因素之一,并呈现出逐年递增的趋势,若能设计出一种在驾驶员发生疲劳时,就能检测出驾驶员处于疲劳状态对其进行警告,这样就可以较好地降低交通事故的发生的概率。论文介绍了一种检测驾驶员在驾驶过程中是否为疲劳驾驶的方法,基于PERCLOS对驾驶员进行疲劳检测。首先对设备采集的人脸图像进行肤色分割,根据程序中设定的肤色阈值,确定图像中属于肤色的区域,对得到的肤色区域进行眼睛追踪,人脸特征部位进行积分投影操作,获取眼睛区域,捕捉眼睛的实时状态,并对眼睛的面积进行计算,最后根据疲劳值来判定疲劳状态。根据实验证明,该方法满足车载、实时、非接触的基本要求,并能准确地做出对驾驶员驾驶过程中是否出现疲劳的判定。

基于PERCLOS的驾驶疲劳检测系统

驾驶员的疲劳驾驶是引发交通事故的重要原因之一。描述了一种基于PERCLOS的驾驶员疲劳检测方法,采用1394数字采集卡采集驾驶员图像,经过图像预处理、人脸定位、人眼定位和人眼面积的计算,最终判断出驾驶员疲劳与否。

基于改进PERCLOS的疲劳驾驶检测系统的设计

针对疲劳驾驶事件频发、检测难度较高的问题,设计一种基于改进PERCLOS的疲劳驾驶检测系统。以搭载CMOS摄像头的OpenMV作为主控,实时检测驾驶人的人脸图像,采用基于Haar特征的Cascade分类器来分割人眼区域,再从人眼区域内提取瞳孔的颜色深度特征,计算得出人眼开合度,从而判断驾驶员是否在眨眼。使用眨眼频率替代PERCLOS算法中的眼睛闭合时间的评价指标,结合方向盘握力特征和汽车横向加速度特征进行多传感器信息融合,综合判断驾驶员是否处于疲劳状态。实验结果表明,系统检测准确率达到90%以上,实时性较强,能够以一种低成本方案解决疲劳驾驶检测的需求。

基于PERCLOS的列车司机疲劳检测设计与实现

列车司机长期处于精神高度集中、工作强度较大的工作状态,容易产生生理和心理上的疲劳。本文通过Raspberry PI摄像头对列车司机疲劳状态进行采集,对采集的视频流进行人脸定位和面部特征点的提取,对该列车司机眼睛、嘴巴数据进行分析,结合PERCLOS标准判定列车司机是否疲劳,在GUI界面显示检测结果。

基于深度学习的驾驶员疲劳驾驶检测研究

为解决驾驶过程中出现疲劳的问题,提出了一种基于卷积神经网络的疲劳驾驶检测算法。在原始YOLOv5网络的基础上,提出一种Mosaic-8数据增强的方法提高网络训练的学习效率;并在骨干网络C3层中引入SE注意力机制模块,增加网络中通道之间的相关性;最后通过EIOU损失函数替换原网络中的损失函数。相比于原始算法,改进算法对人体的眼睛和嘴巴部位有着更好的检测效果,可以准确地提取驾驶员的眼睛嘴巴开合特征。在驾驶疲劳的评判标准上选择PERCLOS指标对驾驶员的疲劳进行判定,能够客观准确地对驾驶员的疲劳状态进行预警。相较于其他深度学习的疲劳检测算法,所提方法在精度上有所提高,实验证明其准确率可以达到97.8%。

基于AI图像处理的疲劳驾驶监测系统设计

鉴于近年来交通事故频增,特别是疲劳驾驶成为重大安全隐患,深入开发了一种基于人工智能图像处理技术的疲劳监测系统,旨在分析该系统在交通安全领域的应用价值及其效能。该系统旨在减少交通事故发生,提升安全意识,保护驾驶员身心健康,以及促进技术创新。系统设计包含实时面部与肢体行为分析、GPS精确定位、即时图像捕获、自动预警系统、应急联络功能与移动应用定位查询,全面提升了安全监控能力。技术方面,系统采用了PERCLOS算法与YOLOv3模型以提高监测准确性,期望推动监测技术更广泛的应用和智能交通体系的进步。

基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

提出一种基于Adaboost的实时算法,并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像,对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸,然后提取人眼区域并对人眼闭合状态进行判断,基于PERCLOS标准制定了相应的预警机制,对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化,先后制作了多个车载嵌入式装置进行实车测试,达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠,可实际应用于营运车辆。

心率变异性与驾驶疲劳相关性研究

为获取与驾驶疲劳程度相关性较高的、可以量化的、客观的心电指标,对10名成年男性司机在驾驶仿真平台上进行心率变异性(HRV)检测与眼动跟踪同步实验研究.对HRV信号指标与评估疲劳的客观指标——PER-CLOSp80值进行相关性分析.结果表明,在HRV信号的线性指标中,表征交感-副交感神经张力平衡状态的频谱低频与高频部分比值与PERCLOSp80值的相关程度最大,皮尔逊相关系数达到0.728,可以作为实时监测驾驶疲劳的量化心电指标.为进一步解释HRV信号的混沌特性,采用非线性动力学方法进行R-R间期C0复杂度计算,该非线性指标与疲劳累积过程相关,可以用来衡量驾驶员在遇到应急危险状况下的控制能力.

基于DSP的嵌入式驾驶疲劳监测系统研究

为了进行有效的、实时的、非接触式的驾驶员疲劳检测,采取NHTSA和FHWA推荐的非接触式疲劳检测方法PERCLOS,利用TI公司的专用图像处理DSP芯片TMS320DM642,构建了车载的基于DSP的嵌入式驾驶疲劳监测系统。首先使用肤色模型算法迅速定位人脸,然后利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛,分析眼睛的状态和提取眼睛的特征参数,计算PERCLOS值、判断疲劳程度并采取报警或其他措施。试验结果表明,系统的算法简单、快速、鲁棒性强。

基于模糊综合评价的疲劳驾驶检测算法研究

疲劳驾驶是引发交通事故的一个主要原因,对驾驶员疲劳驾驶做出准确、有效的检测和预防,具有重要的社会意义.在研究比较了前人工作的基础上,设计了一种基于机器视觉,图像处理的驾驶员疲劳检测机制.首先将传来的连续帧图像(视频)利用 Adaboost 算法进行人脸检测,根据人脸“三庭五眼”的分布特征分割出大致的人眼区域.在人眼定位过程中,采用 OSTU 阈值分割,非线性点运算和积分投影等预处理消除眉毛,并利用模糊综合评价算法对眼睛矩形区域的长宽比、拟合椭圆面积、瞳孔黑色素所占比例这 3 个影响因子进行分析,判别出眼睛的睁开闭合状态.最后根据 PERCLOS 原理对驾驶员的疲劳状态做出检测.实验结果表明,所提算法能够准确地判别出眼睛的睁闭状态及对驾驶员的疲劳状态的检测,具有较高的准确性和实用性.

驾驶员疲劳驾驶预警系统的设计

针对疲劳驾驶监测的要求,设计了一种基于TI公司高速图像处理芯片TMS320DM642的疲劳驾驶预警系统,用以判定驾驶员的疲劳程度,降低交通事故.系统采用机器视觉的方法,先通过CCD摄像头拍下驾驶员的面部图像序列,然后检测出脸部,从而定位眼睛,再利用PERCLOS算法判定疲劳状态.实验结果表明,该系统准确率高、速度快,可以满足非接触式、全天候、实时监测的要求.

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。

基于驾驶人生理心理参数的午餐后驾驶疲劳分析

为找出午餐前后驾驶人疲劳特征变化规律,选取6名驾驶人开展了驾驶模拟试验。对驾驶人午餐前后的体温、心率变异性、深度知觉、速度知觉等生理、心理特征参数进行了测定,并通过问卷方式获取了驾驶人对自身疲劳状况的主观感受,分析了午餐前后驾驶疲劳特征的变化。生理参数分析结果表明：驾驶人心率变异性指标在午餐后1~1.5 h内呈升高趋势,随后下降至正常水平;体温指标在午餐后出现一个低谷,随后恢复正常;PERCLOS指标值午餐后均有所增大,其中67%受试者PERCLOS值增幅明显。心理特征参数变化表明：午餐后受试者认知能力出现了不同程度的降低,主要体现为深度知觉能力下降、反应时间延长和速度判断力下降。这些都将影响驾驶人对道路环境信息的获取,进而会增加驾驶不安全因素。

多算法融合的疲劳驾驶监测算法设计与实现

现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130-150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。

基于驾驶模拟实验的眼部指标与疲劳分级

基于同济大学8自由度高仿真驾驶模拟器,利用眼动仪采集了15位驾驶员各一小时驾驶过程中眼部指标,将驾驶员的疲劳状态分为清醒、轻度疲劳、中度疲劳、重度疲劳和极度疲劳5个等级,建立了考虑驾驶员个体差异的分层有序离散选择模型.结果表明:分层有序离散选择模型能有效地考虑驾驶员的个体差异,提高了对驾驶员不同疲劳等级的识别准确率.

基于面部特征分析的疲劳驾驶检测方法

为避免疲劳驾驶,通过提取面部疲劳特征参数的方法研究了驾驶员疲劳检测技术。对SSD(single shot multi box detector)目标检测算法及连续自适应均值漂移跟踪算法(continuously adaptive MeanShift,CamShift)进行优化,以检测人脸区域。利用特征点定位提取面部疲劳特征参数,并基于眼睛闭合时间百分比(percentage of eyelid closure over the pupil over time,PERCLOS)设定疲劳阈值和疲劳检测策略。在实车样本集上进行试验,结果表明:优化的人脸区域定位方法对光线变化、类肤色干扰的鲁棒性更强;所提取的疲劳特征参数能有效反映驾驶员疲劳状态,平均识别准确率达到了92.2%。改进后的算法系统在基于视觉特征的疲劳驾驶检测技术中达到了较高水平,对于预防交通安全事故具有重大意义。

基于人眼特征的疲劳驾驶检测技术研究

针对目前疲劳驾驶检测技术无法很好地平衡算法准确性和实时性的问题,本文在人脸特征点定位方面采用了实时性较好的基于回归的局部二值特征法(LBF算法)。同时为了提高检测精度,改进了该算法的初始化策略。并且在建立LBF随机森林时使用归一化的像素特征取代原始特征,从而提升分类效果。通过眼部宽高比检测人眼闭合程度,并提出将人眼视线方向应用于疲劳驾驶检测算法中,判断注意力是否分散,以便在驾驶员陷入深度疲劳之前对其预警。利用上述得到的多特征综合检测疲劳程度,实验结果表明该技术提高了算法的准确性。

基于TMS320DM6446和Adaboost算法的防疲劳驾驶系统的研究

本文设计了一种基于TMS320DM6446的防疲劳驾驶报警系统,考虑到防疲劳驾驶报警系统实时性的要求,此处选择实时性较好的Adaboost算法来识别定位人眼,进而分析眼睛的状态和提取眼睛的特征参数。最后,根据单位时间内眼睛闭合时间所占得百分比的PERCLOS值方法来判断驾驶员的疲劳程度,用蜂鸣器来报警,以提醒驾驶员。实验表明,该报警系统简单实用,实时性和准确性较好,能有效地进行防疲劳驾驶报警。