基于多特征数据融合的疲劳驾驶检测研究

为了载系统对驾驶员疲劳驾驶进行预警,从而降低交通事故发生的频率,结合驾驶员处于疲劳状态时的面部特征表现,融合多方数据来综合对疲劳驾驶进行检测.利用方向梯度直方图(HOG)特征对人脸进行检测,然后通过梯度提升决策树算法(GBDT)来获取面部的68个特征点,再利用PERCLOS算法来计算眼和嘴部的疲劳值,通过3D人脸匹配的方式来获取驾驶员头部运动姿态角度,最后通过支持向量机(SVM)算法以及训练模型对驾驶员的眼睛,嘴巴和头部姿态的特征进行融合训练来给出疲劳的综合判断.实验结果验证此检测方法能够准确的判断出驾驶员是否出现疲劳驾驶,而且时效性也得到了一定的保障.