基于Adaboost方法的车载嵌入式疲劳驾驶预警系统

提出一种基于Adaboost的实时算法, 并应用于车载嵌入式系统。用红外光源和红外摄像头获取驾驶员的视频图像, 对其疲劳状态进行监控。首先通过人脸检测定位驾驶员的人脸, 然后提取人眼区域并对人眼闭合状态进行判断, 基于PERCLOS标准制定了相应的预警机制, 对潜在的疲劳驾驶进行判断并预警。该算法从PC移植到嵌入式平台并根据实验进行了优化, 先后制作了多个车载嵌入式装置进行实车测试, 达到了大于92%的准确率和少于1.5 s的判断响应时间。实验装置稳定可靠, 可实际应用于营运车辆。     

一种基于人脸视觉的驾驶疲劳检测的算法

提出了基于人脸视觉技术的驾驶疲劳检测方法．首先利用帧差法检测人脸,然后对脸部进行跟踪．在可靠人脸的基础上,定位眼睛及特征提取,根据疲劳人眼特征和头部状态的疲劳检测来决定是否触发警告．实验证明,可以在自然光情况下,快速实时有效识别出驾驶员疲劳时眼部状态,本算法具有较好鲁棒性．     

基于人眼识别的防疲劳驾驶系统设计与研究

为了避免日常生活中因疲劳造成的交通事故, 利用人眼图像识别技术对驾驶进行疲劳监测。设计并提出了一套基于图像信息判断驾驶员疲劳状态的流程。首先使用Viola-Jones 算法, 在图像中直接进行人眼定位,再对人眼图像进行处理, 得到人眼长宽比值Q, 最后建立了Q 值和疲劳状态的关联模型。实验证明, 该定位方 式比传统方式检测速度提高了50%以上, 同时能适应头部不同姿态; 建立的“眼部相对长宽比-睁眼程度冶模型具有良好的线性。模拟实际驾驶环境进行测试结果表明, 监测系统能适应不同受试者并在1 s 内对疲劳状态的驾驶员发出警报, 在防疲劳安全驾驶领域有一定的应用前景。     

疲劳驾驶监视系统中人脸检测算法的综述

人脸检测技术具有非接触、方式友好、干扰因素小、容易被人接受等特点,非常适合用于驾驶员疲劳驾驶状态的监视。在此就人脸检测技术应用于疲劳驾驶监视系统过程中所涉及的软件开发平台以及图像处理算法等问题做一简单的介绍。试就采用Intel公司开发的OpenCV软件平台实现人脸检测在疲劳驾驶监视方面的应用做一讨论。     

基于眼睛状态检测的驾驶员疲劳驾驶分析

利用眼睛的状态对驾驶员疲劳进行分析主要有人眼检测和疲劳判断两大问题。驾驶过程中受到光照、角度及眼睛闭合等因素的影响,传统的人眼检测技术误码率较高,而混合复杂的检测技术实时性较差。针对该问题,文章提出一种适用于驾驶员驾驶过程中的人眼快速定位算法。该方法由粗到细,综合运用基于OpenCV的人脸识别、二值化、改进型灰度积分投影、Susan算子角点提取等技术,并结合PERCLOS(percentage of eyelid closure)方法进行疲劳分析。实验结果表明,该方法对各种驾驶环境下驾驶员眼睛的定位,都能快速地获得较高的精度,疲劳检测正确率较高。     

基于机器视觉的露天矿司机驾驶疲劳监测

为监测露天矿司机驾驶疲劳状态,利用AdaBoost算法快速实时露天矿司机脸部跟踪检测,基于模板匹配算法和改进型SNAKE算法提取司机眼睛特征,运用眼睛累计闭合持续时间占某特定时间的百分率(PERCLOS)算法判断司机是否处于驾驶疲劳状态,有效地实现了基于机器视觉的、车载的、实时的、非接触的、无干扰的露天矿司机驾驶疲劳状态监测系统.经应用验证了系统可行性,并对保护人员生命,提高矿山经济效益具有重要的意义.     

不同姿态下基于多特征融合的疲劳状态检测方法

针对传统的基于单一特征的疲劳检测方法误检率高、可靠性不强、无法适应复杂多变的行车环境等问题,提出了一种将驾驶员的眼睛、嘴巴等多种面部特征进行融合的疲劳驾驶检测方法。与现有的人脸检测模型相比,这里提出的基于梯度提高的学习框架对于侧脸的检测效果更佳,并且能够更好地满足检测时间上的要求;同时通过改进的LeNet-5神经网络模型对视频中的笑容进行分类,排除了表情变化对疲劳驾驶检测的干扰;最后为了降低头部姿态的偏转对疲劳特征提取的影响,引入了基于欧拉角的特征校正算法;对YawDD疲劳驾驶数据集的检测结果表明:不同姿态下基于多特征融合的疲劳驾驶检测不仅能够有效降低头部偏转对疲劳驾驶检测的影响,而且比传统的疲劳检测方法具备更高的鲁棒性。     

一种基于移动网络的疲劳驾驶预警器的设计

提出一种疲劳驾驶预警器的设计方案。采用脉搏压力的疲劳检测算法及CS算法完成主要功能,实现对驾驶员的实时提示作用,同时,通过无线网络将压缩数据传送到监测部门。在数据的无线传送中采用CS算法,可以大大地减少上载数据的数据量,从而减少网络数据传输压力。该设计在起到疲劳驾驶提示作用的同时,也满足5G时代对智能设备数据传递量的要求。     

基于驾驶人生理心理参数的午餐后驾驶疲劳分析

为找出午餐前后驾驶人疲劳特征变化规律,选取6名驾驶人开展了驾驶模拟试验。对驾驶人午餐前后的体温、心率变异性、深度知觉、速度知觉等生理、心理特征参数进行了测定,并通过问卷方式获取了驾驶人对自身疲劳状况的主观感受,分析了午餐前后驾驶疲劳特征的变化。生理参数分析结果表明:驾驶人心率变异性指标在午餐后1~1.5 h内呈升高趋势,随后下降至正常水平;体温指标在午餐后出现一个低谷,随后恢复正常;PERCLOS指标值午餐后均有所增大,其中67%受试者PERCLOS值增幅明显。心理特征参数变化表明:午餐后受试者认知能力出现了不同程度的降低,主要体现为深度知觉能力下降、反应时间延长和速度判断力下降。这些都将影响驾驶人对道路环境信息的获取,进而会增加驾驶不安全因素。     

适用于疲劳驾驶检测的人眼跟踪方法研究

在基于人眼的疲劳驾驶检测技术中,对人眼进行实时地跟踪能够缩短定位人眼的时间,提高检测的效率。Mean Shift算法利用梯度优化方法实现快速目标定位,但忽略了目标的运动方向和速度信息,在受到外界干扰时容易跟踪失败,而Kalman滤波可以准确预测目标的位置和速度。将这两种方法合理结合起来,对目标空间运动位置进行预测,保证了目标运动的一致性和连贯性。     

驾驶疲劳监测系统DDDS设计方法

通过对各种疲劳监测方法进行比较分析,借助模拟驾驶仪器的研究成果,得出PERCLOS算法最适合评价驾驶疲劳程度.同时,提出一套基于PERCLOS和DSP处理器的驾驶疲劳监测系统总体设计方案,并设计开发出驾驶疲劳监测系统DDDS.监测系统应用图像差分的方法,采用灰度处理、膨胀、腐蚀等图像分析手段,实现准确定位并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度.试验表明,DDDS系统对驾驶疲劳的检测准确率达到86.89%.     

驾驶疲劳监测系统DDDS设计方法

通过对各种疲劳监测方法进行比较分析,借助模拟驾驶仪器的研究成果,得出PERCLOS算法最适合评价驾驶疲劳程度.同时,提出一套基于PERCLOS和DSP处理器的驾驶疲劳监测系统总体设计方案,并设计开发出驾驶疲劳监测系统DDDS.监测系统应用图像差分的方法,采用灰度处理、膨胀、腐蚀等图像分析手段,实现准确定位并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度.试验表明,DDDS系统对驾驶疲劳的检测准确率达到86.89%.     

司机疲劳驾驶检测中人脸图像的快速人眼定位

在司机疲劳驾驶检测中,对人眼的高效,实时准确检测是关键步骤之一。本文研究了司机人脸图像中的人眼检测方法。首先,将得到驾驶员面部图像隐射到YCbCr空间,建立基于肤色的二维高斯分布模型,通过滤波,标记分割出肤色并得到人脸的区域;然后,利用人眼的分布特点及自身特性,通过两次定位的方法实现了对司机人脸的人眼定位。     

驾驶员疲劳状态检测方法研究

为解决由于疲劳驾驶导致交通事故的问题,采用视频图像分析技术处理疲劳的相关特征,运用基于训练的 Adaboost 人脸检测算法精确定位司机脸部和眼睛区域,实时采集眼睛二值化区域面积,采用阈值比较法进行眨眼判断,并提取眼皮疲劳参数 AECS( Average Eyelid Closing Speed) 和 PEＲCLOS( Percent Eyelid Closure over the Pupil Time) ,进行综合疲劳状态分析,最终确定是否疲劳驾驶。实验结果显示,人脸和人眼检测的精度都有较大程度提高,设计的软件可实时监测驾驶员疲劳状态,有效防止疲劳驾驶。     

基于BP和GA_BP的疲劳驾驶检测算法对比分析

为了有效检测驾驶人疲劳驾驶状态,利用模拟驾驶器开展疲劳驾驶实验,建立2类(疲劳、正常)样本数据库;采用均值分析法提取特征参数;最终基于BP和GA_BP神经网络建立分类算法进行疲劳驾驶检测。结果显示,基于GA_BP的分类算法的识别准确率、达到设定目标的次数、均方误差和迭代步长均比基于BP的算法好;两种算法的运行时间均呈二次函数增长;但基于GA_BP的分类算法增长速度更快。这表明基于BP和GA_BP建立分类算法进行疲劳驾驶检测具有可行性,且基于GA_BP的算法识别效果更好,虽然其运行时间较长,但满足实时检测的要求。     

基于嵌入式平台的人脸疲劳检测算法

提出一种基于眼部和嘴部相结合的人脸疲劳检测算法,利用深度学习对人脸特征点进行定位,并通过眼部特征点计算PERCLOS参数,计算过程中详细讨论了不同特征对于PERCLOS参数提取的精确性,最后用角度特征来计算PERCLOS参数,同时将PERCLOS的时序信号进行频域分析,进而检测眼部代表的疲劳程度。与眼部协同的嘴部也是疲劳的重要指标,详细论述并提出了一种眼部和嘴部的疲劳协同参数。实验结果表明本文提出的方法是有效的,可以定量反映人的疲劳程度。同时将其部署在移动端用于车载疲劳检测和使用手机过程中的疲劳检测。     

基于驾驶模拟实验的眼部指标与疲劳分级

基于同济大学8自由度高仿真驾驶模拟器,利用眼动仪采集了15位驾驶员各一小时驾驶过程中眼部指标,将驾驶员的疲劳状态分为清醒、轻度疲劳、中度疲劳、重度疲劳和极度疲劳5个等级,建立了考虑驾驶员个体差异的分层有序离散选择模型.结果表明:分层有序离散选择模型能有效地考虑驾驶员的个体差异,提高了对驾驶员不同疲劳等级的识别准确率.     

多特征因素的疲劳驾驶检测方法

疲劳驾驶是导致交通事故的主要原因之一,为了降低交通事故对人们生命财产的危害,本文采用分层梯度方向直方图(pyramid histogram of oriented gradients,PHOG)算法进行人脸识别和关键点检测,提出一种多特征疲劳特征因素的疲劳驾驶检测方法,结合OpenCV对人面部的眼、嘴以及头部空间姿态坐...     

基于面部综合信息的疲劳驾驶判别研究

目前疲劳驾驶是导致交通事故的主要原因之一,对防疲劳驾驶预防方法的研究是十分必要的。根据驾驶人面部综合信息,可以对驾驶人进行是否处于疲劳驾驶状态的判断。提出一种根据驾驶人眼部状态、嘴部状态、鼻部状态三者的信息相结合来判断的疲劳状态判定方法。实验表明,这种方法可以在多种情况下对驾驶人进行疲劳的检测。     

基于MBLBP与Haar特征提取的驾驶疲劳检测

为了提高驾驶员疲劳驾驶的检测效率,提取人脸和人眼的MBLBP与Haar特征,使用gentleboost训练方法得到多级强分类器,用级联的方法对人脸和人眼进行检测和识别.当系统连续三帧检测到人脸但检测不到人眼的情况下判定驾驶员出现疲劳.加入人脸肤色验证信息,构建6个视角分类器,使用动态表观模型(AAM)来拟合人眼.试验结果表明大大提高了驾驶员疲劳的检测效果.