没有合适的资源?快使用搜索试试~ 我知道了~
首页人眼检测相关论文,可以参考一下
资源详情
资源评论
资源推荐

目录
摘要............................................................................................................................................................2
ABSTRACT..............................................................................................................................................3
1 绪论.........................................................................................................................................................3
1.1 研究背景及意义...................................................................................................................4
1.2 国内外疲劳驾驶研究现状...................................................................................................4
1.3 本文的主要研究内容及组织结构.......................................................................................5
2 人脸检测与定位技术.............................................................................................................................6
2.1 人脸检测与定位技术概述...................................................................................................7
2.1.1 基于图像的人脸检测方法........................................................................................7
2.1.2 基于特征的人脸检测方法........................................................................................8
2.2 Adaboost 算法介绍...............................................................................................................9
2.2.1 AdaBoost 算法描述.................................................................................................10
2.3 AdaBoost 算法分类器........................................................................................................12
2.3.1 分类器级联策略......................................................................................................13
2.3.2 级联分类器误差分析..............................................................................................13
3 人眼定位技术.......................................................................................................................................14
3.1 常见的几种人眼检测方法.................................................................................................15
3.2 矩形特征及积分图.............................................................................................................17
3.2.1 矩形特征..................................................................................................................17
3.2.2 积分图......................................................................................................................18
3.3 AdaBoost 算法的改进........................................................................................................19
3.4 构建双层 AdaBoost 分类器进行人眼检测.......................................................................21
3.4.1 人脸定位与人眼定位的差异.................................................................................21
3.4.2 人眼定位预处理......................................................................................................22
3.4.3 人眼定位双层分类器的构建.................................................................................23
3.5 人眼定位算法的设计与实现.............................................................................................23
4 人眼状态识别.......................................................................................................................................24
4.1 基于椭圆拟合的人眼状态分析.........................................................................................24
5 基于 PERCLOS 标准的疲劳状态分析..............................................................................................26
5.1 PERCLOS 方法介绍..........................................................................................................26
6 总结.......................................................................................................................................................28
参考文献..................................................................................................................................................29
附录 A......................................................................................................................................................31
致谢..........................................................................................................................................................39

摘要
随着汽车工业的不断发展,随之而来的社会问题也愈加严重。交通事故给人
们造成巨大伤害的同时,也给社会带来沉重的负担和影响。由于疲劳驾驶是引起
交通事故的一个主要原因。因此,研究一种合理有效、实时准确检测驾驶员疲劳
驾驶的非接触式车载装置对于减少交通事故,道路安全有重大意义。
本文研究的主要内容包括:人脸检测、人眼定位、眼睛特征提取和状态识
别、疲劳程度的计算等算法的原理及实现。
首先详细阐述了经典的 AdaBoost 算法,该算法涉及的内容包括 Haar-Like
特征,弱分类器,级联的 AdaBoost 分类器等。然后利用 AdaBoost 算法进行人
脸检测。
虽然 AdaBoost 算法的检测速度快,误识率低,但是在样本的权重更新过
程中,对于分类错误样本中的正、负样本没有加以区分,不利于提高正样本的
识别率。本文提出一种新的权重更新方法,对于分类错误的样本,对判断错误
的正样本给更高的权重,使得算法在下一轮迭代时,更加关注对分类错误的正
样本的学习,从而提高对正样本(人眼)的检测率。采用基于最小二乘法对眼
部的外轮廓进行椭圆拟合,根据拟合椭圆的参数来判断眼睛的睁闭状态;采用
结合 PERCLOS 和眨眼频率的方法,对疲劳状态进行检测。
关键词:疲劳检测,AdaBoost,人眼定位,PERCLOS

Abstract
With the development of the automobile industry continuously, the social
problems are more and more severe. The traffic accidents not only cause great harm to
the people,but also bring heavy burden and effect to society. Because fatigue driving
is a major reason that caused traffic accidents. Therefore, research a reasonable and
effective real-time and non-contact device due to the detection of driver fatigue
driving has great significance for reducing traffic accidents and raising road safety.
In this paper, the main research contents are face detection, eye location, eye
feature extraction, principle and realization of the calculation of fatigue’ degree.
Firstly, the classical AdaBoost algorithm is produced in detail. which involves
Haar-Like features, weak classifier ,cascade AdaBoost classifier, etc. Next, face is
detected based on AdaBoost algorithm.
Although the AdaBoost algorithm with a low false positive rate is fast, there is
no distinction between samples of error classification in the procedure of weight
updating,which ignores hit rate of positive samples. In this paper, a new method of
weight updating is proposed to improve the hit rate of positive samples, which pays
more attention to positive samples of error classification.After the region of driver’s
eyes is obtained, the ellipse fitting algorithm based on least squares method is used to
fit the eye contours, and the eye state is identified according to parameters of ellipse.
Then, the fatigue state could be detected based on PERCLOS and blink frequency.
Keywords: fatigue detection, AdaBoost, eye location, PERCLOS
1 绪论

1.1 研究背景及意义
所谓的疲劳驾驶,是指驾驶员在长时间持续驾驶或睡眠不足情况下而造成的
反应能力下降,其主要表现在驾驶员困倦、驾驶操作反应迟钝或完全丧失驾驶能
力。因疲劳驾驶而在全球每年导致数以万计的交通事故和大量人员伤亡。据公
安部交通管理局数据,2010 年全国共接报道路交通事故 3906164 起,同比 2009
年上升 35.9%。其中,涉及人员伤亡的道路交通事故 219521 起,造成 65225 人
死亡、254075 人受伤,直接财产损失 9.3 亿元。其中疲劳驾驶被列为超速行驶,
酒后驾车之后的第三大引发道路交通事故原因。引起驾驶员疲劳驾驶的原因除
上述的睡眠不足、长时间持续驾驶外,还与工作性质与时间、人的生理周期、酒
精以及药物,乃至不同人的生活习惯、身体状况、年龄差异有关;另外,即使驾驶
员状态良好或者在注意力高度集中的情况下,如果面对景色单一的高速公路,也容
易因公路催眠而产生驾驶疲劳,从而导致自我控制能力减弱、判断迟缓、动作僵
硬、视力下降、注意力分散以及视野变窄等不良反应从而发生交通事故疲劳驾
驶作为引发道路交通安全事故的重要原因,越来越引起人们的重视。
由此可见,疲劳驾驶是一个比较严峻的问题,主要是由于它的隐蔽性很强,
疲劳驾驶的发生很难预测和判定。因此,当驾驶员刚出现疲劳症状时,如果能
发出预警,或者自动降低车速甚至强制其停车休息,则可以有效地加强行车安
全,减少由于疲劳驾驶所引起的交通事故,避免因此产生的经济损失和人员伤
亡。在过去的几十年中,国内外专家和学者都在积极研究疲劳驾驶,对疲劳检
测的方法也做了各方面的探索,在一定程度上取得了很大的进步,但在实际应
用过程中,还存在较多的问题,因此,如何及时有效的检测出驾驶员的疲劳程
度,减少因疲劳驾驶而引发的交通事故已经成为当前智能运输系统的研究热点。
为了降低因疲劳驾驶导致的交通事故发生率和人员伤亡数量,降低人为因素导致
的交通安全隐患,本文对人眼疲劳值算法进行了研究。
1.2 国内外疲劳驾驶研究现状

目前国外的许多国家都对汽车安全方面投入了大量的资金,用来解决交通
安全的问题。许多高校和科研机构也都在该方面进行了大量的研究,并取得了
丰硕成果。
日本一家公司利用装置在驾驶员头部上方的传感器来判定司机头部位置。
传感器利用驾驶员头部与其之间的距离计算并跟踪头部在三维空间当中所处的
位置,然后依据不同时间下驾驶员头部产生的位移变化判断其是否处于疲劳状
态。利用装置在方向盘上的心跳感应器来检测驾驶员的心跳速度,该系统每隔
一段时间检测一次,当司机处于疲劳状态时心跳速度减慢,因此可以简单易行
的判断出驾驶员是否处于疲劳状态。
英国科学家为司机研制的防瞌睡报警系统,可以监视司机开车时的眼睛和
肌肉运动,大脑活动及心率等,如发现异常,系统能及时发出报警。
美国研制的疲劳检测系统 DDDS(The Drowsy Driver
DetectionSystem)。此系统采用多普勒雷达和复杂的信号处理方法获取驾驶
员烦躁不安的情绪活动、眨眼频率和持续时间等疲劳数据,判断驾驶员是否处
于瞌睡状态。该系统可以做成一个比较小的装置,放在驾驶员头顶上方,或头
顶前方某个地方,以免影响驾驶员的驾驶。
2005 年,澳大利亚的研究人员推出一款眼镜,通过内置于眼镜中的红外线传
感器监测司机的眼睑活动和眨眼频率,并据此判断司机是否疲劳。
国内在人脸识别技术和驾驶员疲劳检测的研究方面起步较晚,相关技术还
不成熟,同发达国家相比还有很大的差距,但一些高校和研究机构还是投入了
大量的精力进行研究,经过几十年的努力,在驾驶疲劳检测方面也取得了一系
列的成果。江苏大学也在研究 PERCLOS 算法的基础上,设计出一套系统,该
系统使用波长为 850/950mm 的红外图像仪及差分图像仪作为图像采集器,由
于利用红外光源成像,排除了环境光源的干扰,提高了装置的适用性,满足各种
驾驶情况下对驾驶员状态的监测要求,同时可以得到关于关键部位(眼部)的
差分图像,提高了系统的实时处理能力,有一定的实用价值。
1.3 本文的主要研究内容及组织结构
剩余38页未读,继续阅读




















安全验证
文档复制为VIP权益,开通VIP直接复制

评论0