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SVM的疲劳驾驶人脸图像特征检测算法

针对传统图像识别算法对疲劳驾驶检测精度差、准确率低的缺陷,提出了一种利用人脸图像特征提取的疲劳驾驶检测方法。首先将实时采集到的车辆驾驶员面部图像进行预处理,借助Dlib检测出图像中的人脸区域并进行人脸图像特征点的标注,然后使用基于眼睛纵横比(Eye Aspect Ratio,EAR)的方法进行图像中人眼疲劳特征的识别,基于嘴唇纵横比(Mouth Aspect Ratio,MAR)的方法进行图像中嘴部疲劳特征的识别,最后利用支持向量机(SVM)的方法将两种特征融合起来进行疲劳驾驶检测。实验表明,该方法可以准确地定位出特征点,疲劳检测的识别率达84.29%,可以有效地识别出疲劳状态。

基于ASM和肤色模型的疲劳驾驶检测

疲劳驾驶研究中,面部关键特征精确定位与跟踪是个难点。提出了一种基于主动形状模型ASM和肤色模型的疲劳驾驶检测方法。首先,利用肤色模型检测到人脸区域为ASM提供初始定位;然后基于ASM进行人眼和嘴巴跟踪获得眼睛与嘴巴区域;再利用Canny算子对两个区域精确定位,获得疲劳检测参数;最后根据PERCLOS方法实现疲劳检测。考虑到基于HSV颜色模型的人脸检测不受姿势和角度的影响,但容易受到背景干扰,而ASM的优点是人脸关键点跟踪效果好,但初始定位困难,将二者结合实现了眼睛与嘴巴精确定位与跟踪。实验表明,眼睛检测准确率可以达到90.7%,哈欠检测准确率可以达到83.3%,疲劳检测准确率达到91.4%。

基于瞳孔几何特征的驾驶疲劳检测嵌入式系统的设计

驾驶员疲劳驾驶是引发交通事故的一个重要原因。针对驾驶疲劳检测算法运算复杂、视频图像数据量大的特点,设计了基于瞳孔几何特征的疲劳驾驶检测嵌入式系统。系统以TI公司的DSPTMS320DM642为核心,采用瞳孔图像的几何特征约束定位人眼,识别疲劳帧。在此基础上,提出了疲劳状况测评的判定方法,从而达到检测驾驶员疲劳程度的效果。实验结果表明,该系统算法简单、快速,是一种行之有效的、实时的非接触式疲劳驾驶检测系统。

疲劳驾驶检测中的快速人眼定位方法

为了减少因疲劳驾驶所引发的交通事故的发生,人眼定位在疲劳驾驶检测技术中起着重要的作用.对人眼定位的过程中,采用多摄像头获取图像并对这些图像进行筛选,将检测到的人脸面积最大,将能够完整检测到双眼状态的图像做为最佳输入图像,采用Adaboost(迭代级联分类器)算法对其进行人脸定位以减小检测区域,再对其进行灰度投影将检测范围缩小在眉眼区域,然后进行一种新的LMS(最小均方误差)模板匹配,精确定位眼睛区域.在人脸成功定位的基础上,该算法经过二次眼睛定位,较传统的模板匹配方法,平均模板匹配检测时间提高到了30.5ms,准确率提高到了97%.实验表明:将灰度投影法和改进的LMS(最小均方误差)模板匹配两种人眼定位的方法相结合来进行人眼的定位,与传统的模板匹配相比,提高了检测的效率和检测的准确率,使得疲劳驾驶检测系统能更准确地进行实时检测,该方法能适用于疲劳驾驶检测等需要快速人眼定位的场合.

飞行员疲劳监测中的人眼定位及状态判别研究

飞行员驾驶疲劳是影响飞行安全的重要因素之一。常用基于人眼识别的方法对飞行员进行疲劳监测,其关键是人眼定位及状态判别。利用改进的平均合成滤波器算法定位人眼,根据模糊综合评价思想,判定人眼睁开闭合状态,根据PERCLOS疲劳检测方法对飞行员进行疲劳监测。实验表明,改进的人眼定位方法具有更高的精确度和鲁棒性,提出的人眼状态判定方法能够满足疲劳监测需要。为最终构建一种机载的、实时的、非接触式的飞行员疲劳监测系统提供了理论基础。

基于PERCLOS的驾驶员眼睛状态检测方法

利用驾驶员眼睛的状态判断驾驶员的疲劳状况是一种实时的、非接触式的方法。首先对眼睛进行精确定位,再根据眼睛面积的减小程度来判断眼睛的睁开或闭合状态,进一步通过记录眼睛闭合的次数、眼睛持续闭合的时间来检测驾驶员是否处于疲劳状态。本文采用肤色分割、去除与边界连通的区域、逐步减小眼睛区域候选范围的方法来定位人眼,再计算眼睛区域的面积,眼睛闭合时间,此方法不受复杂背景影响,对各种肤色、各种姿态的人脸均适用。

用于检测疲劳驾驶的自适应脸部定位方法

针对疲劳驾驶视觉检测技术中驾驶员脸部定位快速性与准确性难以同时满足的情况,提出了一种将肤色和面部几何特征相结合的自适应脸部定位方法。该方法对YCbCr空间肤色相似度和传统Otsu阈值分割算法进行改进,降低了计算复杂度,采用新的区域连通和区域标记算法定位出脸部位置。最后,根据人脸几何特征对脸部区域做进一步确认。试验结果表明,该方法能对驾驶员图像脸部进行快速、准确定位。

基于人眼定位算法的疲劳驾驶检测研究

该文为了识别疲劳驾驶行为,有效预防与减少因疲劳危险驾驶导致的交通事故,研究疲劳驾驶检测方法,采用疲劳驾驶分级及相关报警与自动干预处理方法。首先采用了基于灰度积分投影和K-means聚类演算法对驾驶员眼部进行定位;再采用基于PERCLOS方法检测眼睛状态,并以PERCLOS值作为疲劳驾驶判断及疲劳驾驶等级分类依据。确定了以初级疲劳驾驶预警,严重疲劳驾驶自动干预强迫驾驶员停车休息的疲劳驾驶报警与干预处理方法,能有效能有效预防和减少疲劳驾驶。

列车司机疲劳驾驶监测中的人脸定位方法研究

人脸定位是采用机器视觉非接触式方法监测列车司机驾驶状态的基础环节。针对疲劳驾驶监测对实时性和鲁棒性要求高的问题,提出一种融合检测与跟踪的人脸定位方法。在检测阶段,构造H-Cg Cr肤色模型并提出一种加速方法筛选人脸候检区域;构造融合LBP特征训练出具有旋转不变性的SVM分类器,检测被AdaBoost漏检或误检的人脸。在准确获取人脸位置后,启动fDSST算法进行跟踪,并对算法的跟踪置信度进行判定以确保跟踪效果。实验结果表明:该方法能提升检测率,降低误检率,当司机头部摆动、转动或发生部分遮挡时,其脸部均能被准确定位,鲁棒性强;肤色加速检测方法能将人脸候检区域筛选耗时降低81.09%,f DSST跟踪算法能将人脸定位平均速度提升至45帧/s,满足实时性要求。

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YCbCr颜色空间相邻帧差建模的眼睛定位算法研究

目的：研究一种基于YCbCr相邻帧差法检测头部运动及眼睛位移、定位眼睛位置的算法,使之能在基于眼睛状态的疲劳驾驶监测中真正发挥作用。方法：利用YCbCr颜色空间改进相邻帧差法,并依据相邻帧差法对运动物体检测的原理,建立眼睛位移检测的模型。运用该模型检测出后一帧相对于前一帧的眼睛位移量,参照前一帧眼睛所在的矩形区域,框选出后一帧图像中眼睛的候选区域,再利用形态学方法处理,最终得到后一帧图像眼睛的精确矩形区域。结果：本算法的眼睛定位处理速度为14帧/s,较传统眼睛定位算法的9帧/s提升了55%,能确保实时检测到人眨眼瞬间（0.2～0.4 s）的时间间隙,且正确率与传统眼睛定位算法相当。结论：本研究的眼睛定位算法大幅提高了眼睛检测算法的速度,能确保实时检测到人眨眼瞬间（0.20.4 s）的时间间隙,提高疲劳监测指标PERCLOS的检测准确性。

基于眼部特征的疲劳驾驶检测算法研究

疲劳驾驶是交通事故的一个重要致因,文章从驾驶员的面部特征入手,通过肤色特性找到图像中的人脸区域,并采用积分投影法和边缘检测对驾驶员眼睛进行定位,选取眼睛区域面积与人眼图像面积的比值作为眼睛状态评判指标;建立睁眼、半闭眼、闭眼3种状态下的人眼样本,依据3σ准则得到相应的区间范围,从而识别驾驶员的眼部状态,实现一种适合于疲劳驾驶检测系统的改良算法。

积分投影与区域生长法结合的人眼定位

在疲劳驾驶检测系统中,人眼精确定位对眼睛状态的正确判别起着关键作用。采用灰度积分投影法粗定位人眼,具有定位准确、速度快、处理方法简单等特点;采用区域生长法能够去除眼镜、眉毛等眼部噪声的干扰,具有定位准确特点,能够实现精确定位人眼。利用积分投影法的时间优势与区域生长法的精确定位优点,提出将积分投影法与区域生长法相结合实现人眼精确定位。采用Matlab进行仿真实验,实验结果表明该算法速度快、准确率高、稳定性强,能应用于驾驶疲劳状态检测等需要精确、快速检测定位人眼的场合。