基于面部行為分析的駕駛員疲勞檢測方法研究.pdf

1、近年來交通事故頻發(fā)，給國家和個人帶來了嚴(yán)重的財產(chǎn)損失。研究表明，疲勞駕駛是目前引發(fā)交通事故的主要原因之一，已經(jīng)引起許多國家和政府的重視，因此準(zhǔn)確快速的駕駛員疲勞檢測的研究具有重要的意義?；跈C器視覺的檢測方法以其非接觸性、實時性等優(yōu)點，成為駕駛員疲勞檢測的一個重要方法。
　　眼睛和嘴部等狀態(tài)的檢測是疲勞檢測方法中的重要步驟，但是墨鏡遮擋及光照變化會對其產(chǎn)生影響。針對以上問題，本文使用紅外采集設(shè)備對駕駛員面部圖像進行采集，提出一種基

2、于面部行為分析的駕駛員疲勞檢測方法，其中主要研究內(nèi)容包含人臉檢測及跟蹤、眼睛和嘴部區(qū)域檢測、面部狀態(tài)識別及疲勞檢測等。
　　首先，通過基于AdaBoost的檢測檢測算法進行駕駛員面部檢測，為了提高檢測速度及準(zhǔn)確率，本文結(jié)合基于KCF(Kernelized Correlation Filter)的跟蹤算法，對檢測到的人臉區(qū)域進行快速跟蹤;其次，通過級聯(lián)回歸的方法定位面部關(guān)鍵點，根據(jù)關(guān)鍵點位置提取眼睛和嘴部區(qū)域;最后，采用CNN(Co

3、nvolution Neural Network)網(wǎng)絡(luò)模型對提取出的眼睛和嘴部區(qū)域進行狀態(tài)識別，得到眼睛和嘴部狀態(tài)后，計算PERCLOS(Percentage of Eyelid Closure Over the Pupil Over Time)、眨眼頻率及打哈欠參數(shù)等，通過結(jié)合多個疲勞參數(shù)對駕駛員的疲勞狀態(tài)進行檢測。
　　實驗結(jié)果表明，該方法在佩戴墨鏡情況下能夠更準(zhǔn)確的檢測眼睛和嘴部狀態(tài)，進而得到更準(zhǔn)確的疲勞參數(shù)。與僅采用PER