基于色彩空间与特征融合的驾驶员疲劳检测方法

本篇硕士学位论文主要探讨了色彩空间在面部识别技术，尤其是驾驶员疲劳检测中的应用。色彩空间，如YCbCr色彩模型，是计算机图形学中处理颜色的重要概念，它将颜色分解为亮度（Y）和色度（Cb和Cr）通道，便于不同光照条件下的肤色分割和补偿。作者提出了一种创新的肤色分割方法，通过分级别光照补偿，结合自适应阈值选择，有效解决了固定阈值分割对光照变化不敏感的问题，提高了肤色区域的准确分割。 对于灰度图像，作者采用了几何特征（如Haar特征）和级联增强分类器（如AdaBoost）进行人脸检测。在这个过程中，他们改进了AdaBoost的训练算法，减少了训练时间，提高了人脸识别的效率。特别是通过无迹卡尔曼滤波（Unscented Kalman Filter），实现了对驾驶员眼睛状态的实时跟踪，利用眼睛连续闭合的帧数作为疲劳判定指标，确保了在不同环境下的稳定性和准确性。 论文的核心思想是设计一个综合系统，以眼睛检测为主导，结合脸部变化，通过肤色和人脸特征的双重分析，更准确地识别和判断驾驶员的疲劳状态。此外，论文还考虑到了嘴巴打哈欠这一额外的疲劳信号，通过计算嘴巴的宽高比来辅助疲劳评估。这些创新方法有助于提高疲劳检测的精确度，为实际应用中的驾驶员疲劳监测提供了一种有效且实用的解决方案。 本研究深入剖析了色彩空间在驾驶员疲劳检测中的作用，展示了如何通过技术手段克服光照干扰和单一指标的局限，为解决实际场景中的疲劳检测问题提供了有价值的研究成果。