登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 文献综述 > 电子信息类 > 电子信息科学与技术 > 正文

一种用于驾驶员状态监控的人眼识别算法的设计文献综述

 2020-05-01 08:48:30  

1.目的及意义

随着交通运输业的发展,交通事故已成为当前各国所面临的严重问题,而驾 驶员疲劳驾驶是引起恶性交通事故的主要原因之一,造成无数生命伤亡和巨额经 济损失。因此,开发出一种有效防止驾驶员疲劳的系统或方法迫在眉睫,而到目前为止国内外的研究都还处于探索阶段,则它具有重大的研究意义和发展空间。 如何有效避免和预防疲劳驾驶成为社会广泛关注的焦点。一直以来国内外都出台了众多的法规,试图遏制疲劳驾驶现象。但是大多是对连续驾驶时间的限制,无法掌握到驾驶员因生病或其他因素引起的疲劳,是治标而不能治本的。同时使用行车记录仪也不是防止疲劳驾驶最有效的途径,因为驾驶员个体的区别,驾驶员疲劳程度与驾驶时间并不是简单的线性对应关系,通过驾驶时间来间接判断疲劳程度并不十分准确,因此需要采用其它更有效的方法来判断驾驶员的疲劳。

在20世纪早期就有了关于驾驶员疲劳检测技术的研究,自2000年以来,随着计算机和集成电路制造技术的提高,使机动车驾驶员疲劳的研究有了进一步的发展。明尼苏达大学计算机科学 与工程系的成功开发了一套驾驶员眼睛的追踪和定位系统,通过安置在车内的一个摄像头监视驾驶员的脸部,实现以下功能:①用快速简单的算法确定驾驶员眼睛在脸部图像中的确切位置和其他脸部特征;②通过追踪多幅正面脸部特征图像 来监控驾驶员是否驾驶员疲劳;③追踪多幅侧面脸部特征图像来估算驾驶员是否 驾驶员疲劳。

我国从20世纪60年代开始对驾驶员疲劳进行实验性的研究工作,大多是通过传感器对驾驶员脑电图、心电图、眼睑运动、头部运动轨迹、方向盘的运动、车辆行驶方向等的监测技术,和对驾驶员操作技能、动视力、视野、静视力、暗适 应、血压、肺活量、听力、色觉、视立全觉、反应时间、速度判断、心电图、心理测试、体重平衡、深度知觉等健康适应性检测。郑州机务南段工 程师董世衍开发的一种防瞌睡的警报装置。这套装置由导线连接的眨眼信号取样 眼镜和信号分析部分,信号取样部分有信号发射装置和接收装置,固定在眼镜框 架上,分别置于戴眼镜人眼睛的左右两侧,使信号发射接收光路与眼皮运动相交 叉,以摄取眼皮动作信号;信号分析部分利用自动计量的眨眼间隔时间同调定的 瞌睡时间参量相比较,当闭眼信号时间超过调定的瞌睡时间参量,或者睁眼持续 时间超过调定的呆滞时间参量,电路就自动发出报警控制信号或驱动安全执行电 路。但这些方式在应用到驾驶员状态检测时会接触到驾驶员身体,对其驾驶产生 干扰,而且这些仪器本身在开车时也会受到干扰,而降低精度。

设计一种驾驶员状态监控的人眼识别算法,能实现通过人眼的图像处理达到判断和监控驾驶人状态的功能。


{title}

2. 研究的基本内容与方案

{title}

设计的基本内容: 在人脸定位的基础上,寻找一种驾驶员人眼识别的算法,再通过人眼闭 合时间来判断驾驶员疲劳的程度。算法主要思路如下:首先二值化人脸图像,根据人脸的面部几何特征训练样本设计人眼分类器,在被检图像中初步定位出人眼黑块。对只定位出一只眼睛和定位结果还有眼睛之外区域的图像,根据人脸及人眼的对称性,通过寻找人脸对称轴来找已知眼睛的对称点和排除非人眼区域来完成人眼的精确定位。然后从二值图中分割出一只眼睛,比较眼睛黑块的中心高度占人眼区域分割高度的比值与阈值,识别出眼睛睁闭状态。最后根据PERCLOS原理,计算一定时间内眼睛闭合时所占的时间比例,来判断驾驶员是否疲劳。驾驶员疲劳检测系统框架图如图所示:

目标:通过用摄像头实时采集驾驶员的头部图像,利用图像处理和模式识别算法,对驾驶员的眼睛状态进行判别,提取PERCLOS特征,来判断司机的疲劳程度。完成一个较好的驾驶员状态监控的人眼识别算法。

拟采用的技术方案及措施: 1.为了使算法适用用不同条件下的人脸,首先采集大量的人脸样本,包括不同姿势、表情、面部细节、时间和光照、背景等条件下的人脸,对这些样本进行训练,根据人脸面部结构和人眼特征,设计眼睛分类器。 2.对定位后的人脸图像进行人眼预定位。采用直方图均衡和阈值 调整的图像增强方法,使不同条件下的人脸均可得到较好的二值化图像。然后根据眼睛分类器,对面部进行几何约束,找出人眼黑块,并框取出黑块的最小外接矩形区域,作为初步定位出的人眼。 3.根据人脸结构特点:人脸对称轴是垂直于唇线(本文用两嘴角连线表示)、 并过嘴唇中心的直线,而且嘴唇中心和两只眼睛的中心构成等腰三角形,首先结合肤色匹配方法,对归一化RGB 颜色向量进行有约束的Fisher线性变换将肤色和唇色很好的区分开,再利用连通 成分标示算法标记出嘴唇区域,定位出人脸对称轴,从而实现人眼的精确定位。 4.根据定位出的人眼进行眼睛状态识别。现有的大量方法是基于睁闭眼模 板匹配、虹膜或眼白检测、眼睑边缘提取等来判断眼睛睁闭,但对本文的驾驶员疲劳检测系统而言,提取的人眼区域的像素精度很低,提取不到边缘或检测不到 虹膜,以上方法存在精度降低或误判现象。本文分割出二值图中的一只人眼区域, 得出人眼黑块中心高度与分割高度(即人眼黑块最小外接矩形的高度)的比值, 并给定一个阈值,当比值大于阈值时,则判定人眼睁开,反之则闭合。对某些人眼区域二值效果不好的图像,直接分割出RGB图像,利用局部阈值重新二值化, 再判断睁闭,达到了较好的效果,能实现系统速率和准确率的统一。 5.根据PERCLOS原理来判定司机是否疲劳。实验得出,当PERCLOS值大于 40%、眼睛闭合持续时间大于3秒时,则判断司机处于疲劳状态,系统发出报警。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图