基于多信息协同融合的驾驶员疲劳检测的交通机电系统安全监测预警系统研究

随着科技的不断进步和经济的飞速发展,汽车保有量的飞速增长,导致道路交通事故大幅度的上升,伴随物联网的兴起,车联网成未来交通机电系统发展重中之重,为交通机电系统安全监测扩展到具体车辆提供了技术基础,因此,开展多信息融合的疲劳驾驶的监测的研究对交通机电系统安全管理体系构建尤为重要。我们研究分析了疲劳驾驶的眼部监测方法,建立矫正人脸的姿态模型,通过坐标系统使人眼位于水平位置并进行监测,利用PERCLOS原理的P8O标准监测疲劳程度。然后对车辆行驶轨迹进行监测,车辆偏离率反映车辆偏离车道的程度,对于车辆沿斜线行驶时,车道偏离量变化率来判断偏离的快慢。最后对驾驶员动作阶段设定数学模型,建立疲劳度模型。

多特征融合的驾驶员疲劳检测研究

针对驾驶疲劳检测中面部特征定位及驾驶员疲劳状态判别方法判断存在的不足,提出了利用监督下降算法同时定位驾驶员的多个面部特征。在眨眼、哈欠及点头判断的基础上,提取驾驶员眨眼频率、哈欠频率及点头频率多个特征值建立疲劳检测样本数据库,并构建朴素贝叶斯分类器进行疲劳判断。当驾驶员出现疲劳驾驶时及时给以警告信息,以预防交通事故发生。在实际的驾驶环境视频测试结果中,驾驶员疲劳状态的判别平均准确率达到了94.87%,具有较好的性能。

驾驶员疲劳检测中的嘴部状态研究

针对嘴部作为人脸的重要信息集中点之一这个特性,提出了一种用于驾驶员疲劳检测的嘴部状态的研究算法。首先采用改进的Adaboost算法精确定位人脸区域,然后利用迭代式阈值选择法对人脸下半部分进行二值化处理,得到嘴部完整轮廓后使用Harris角点检测找出嘴角,同时矫正倾斜嘴部,最后通过计算嘴部张开度和持续时间来判断是否疲劳。实验表明,该算法具有较快的速度,同时对疲劳检测的进一步研究有重要的作用。

面向ARM平台的自标定驾驶员疲劳检测方法

提出了一种面向进阶精简指令集机器(ARM)平台的自标定驾驶员疲劳检测方法。对驾驶员不同身高、体型及车内摄像头不同位置,采用驾驶员初始姿态自标定方法;采用改进的基于深度学习的多任务卷积神经网络(MTCNN),提取人脸识别和特征点,以得到头部姿态、眼睛、嘴巴运动等信息;基于操作员序列的深度卷积神经网络,来判断驾驶员的疲劳状态等级。实验了驾驶员疲劳检测方法。结果表明:相对于没有标定,采用本驾驶员自标定的方式,识别准确性提高了15%,采用MTCNN方法和ARM NEON加速技术,在“全志H5”、“树莓派”和Android手机上,运行速度分别是200、150、140 ms,提高约50%。因而,该检测方法,既提高了系统鲁棒性,也满足实时需求。

MATLAB人脸识别在驾驶员疲劳检测中的应用研究

MATLAB人脸识别技术具有干扰小、非接触和识别准确的优势,可以在驾驶员疲劳检测中得到应用。基于这种认识,本文在分析MATLAB人脸识别技术的基础上,对该技术在驾驶员疲劳检测中的应用情况展开了分析,从而为关注这一话题的人们提供参考。

驾驶员疲劳检测系统功能开发与测试

简述了驾驶员疲劳检测系统功能开发及测试方法。驾驶员疲劳检测系统通过声光用户交互形式,及时提醒驾驶员安全驾驶,降低了事故发生的可能性,有效提高了驾驶员和货物安全。

用于疲劳检测系统的有效人眼跟踪方法

驾驶员疲劳检测在智能交通系统的安全驾驶方面起着主要作用。有研究人员提出基于人眼跟踪和动态模板匹配的实时驾驶员疲劳检测系统,主要由四部分构成,分别是:人脸检测、人眼检测、人眼跟踪和疲劳检测,在人眼跟踪方面传统采用平均绝对值误差匹配函数进行穷尽搜索。为了弥补该种方法在匹配方面的低精度和搜索方面的低效率,提出新的匹配函数EPC (the edge pixel count)和2D-log快速搜索算法。将采集的5段视频进行实验和对比分析,结果表明,2D-log搜索算法和EPC匹配函数在人眼跟踪方面具有非常好的性能。平均只需要23个搜索点就可以获得99. 92%的人眼跟踪准确率,且计算量只是传统方法的10. 59%。传统的穷尽搜索算法却需要441个搜索点,才能获得96. 01%的准确率。2D-log搜索算法和EPC匹配函数大大提高疲劳驾驶检测系统中人眼跟踪的效率。

基于多信息的疲劳状态识别方法

基于机器视觉的疲劳检测方法具有非侵入性、快速、准确、全天候可操作等特点,逐步成为国内外研究热点,但该方法容易受复杂光照、驾驶员位姿变化的影响。针对此问题,对复杂光照和位姿变化对驾驶员疲劳检测的影响进行了深入研究,提出基于实时增强约束局部模型的多信息疲劳检测方法。对采集得到的图像进行实时高动态范围增强处理;对增强后的图像进行驾驶员人脸建模,提取驾驶员的视线、眼部PERCLOS特征;最后建立基于贝叶斯置信网络的多信息融合的疲劳状态检测识别方法。实验结果表明,该方法对于复杂光照和位姿变化情况下的驾驶员疲劳状态检测具有较强的稳健性。