基于肤色与眼部特征的驾驶员疲劳检测技术研究

"这篇硕士学位论文主要探讨了基于面部特征的驾驶员疲劳检测技术，尤其是在Springboot应用中处理multipartfile文件上传的问题。文章详细介绍了肤色模型的建立及其在疲劳检测中的作用，以及针对不同图像类型的肤色分割和人脸识别方法。此外，还提出了一种利用无迹卡尔曼滤波器（Unscented Kalman Filter）进行眼睛状态跟踪的技术，并结合嘴巴状态判断驾驶员的疲劳程度。" 在驾驶员疲劳检测领域，由于光线干扰和单一指标难以准确判断疲劳问题，所以研究者们致力于寻找更有效的解决方案。本文提出了一种以眼睛检测为主、脸部变化为辅的检测框架。对于彩色图像，通过YCbCr色彩空间的肤色分割方法，结合分级别光照补偿和自适应阈值选择，能够克服固定阈值分割的局限性，建立更准确的肤色模型。 在灰度图像处理中，论文采用了Haar特征值与AdaBoost分类器的组合，对人脸进行检测。通过对AdaBoost训练过程的优化，解决了训练时间过长的问题。眼睛状态的定位与判断则借助无迹卡尔曼滤波器，通过几何特征和投影法定位人眼，若连续闭合超过5帧，则认为驾驶员处于疲劳状态。这种眼睛检测跟踪方法在各种环境下表现良好。 此外，论文还引入了嘴巴状态作为疲劳判定的补充依据，通过分析嘴巴的宽高比来识别打哈欠行为。结合眼睛和嘴巴的状态，可以更全面地评估驾驶员的疲劳状况。 这篇论文深入研究了基于肤色模型的疲劳检测技术，并在Springboot环境中处理multipartfile文件上传的挑战，为实际应用提供了有价值的理论和技术支持。