为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态,提出一种判断是否佩戴眼镜的方法,并建立了基于眼睛与嘴部状态的疲劳驾驶检测系统。对该系统中有关目标检测、特征提取与图像识别等算法进行研究。首先,采用Adaboost算法通过人...为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态,提出一种判断是否佩戴眼镜的方法,并建立了基于眼睛与嘴部状态的疲劳驾驶检测系统。对该系统中有关目标检测、特征提取与图像识别等算法进行研究。首先,采用Adaboost算法通过人脸分类器从视频帧中检测人脸区域,并根据面部器官几何分布规则粗检眼睛与嘴部区域;其次,基于大律法自适应二值化,采用垂直积分投影法判断是否配戴眼镜,根据灰度直方图统计特征值法判断戴眼镜的眼部区域状态,另外,利用似圆度判断嘴部打哈欠情况;最后,利用PERCLOS(Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态,利用打哈欠频率识别嘴部疲劳状态。当检测到驾驶员处于疲劳状态,则及时给出疲劳警告。实验结果表明,该方法可有效解决眼镜对检测的干扰,并适用于不同光照与环境。同时,在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。基本满足疲劳检测系统对良好的实时性、稳定性与鲁棒性等要求。展开更多
文摘为在驾驶员佩戴眼镜的情况下也能准确有效地检测疲劳状态,提出一种判断是否佩戴眼镜的方法,并建立了基于眼睛与嘴部状态的疲劳驾驶检测系统。对该系统中有关目标检测、特征提取与图像识别等算法进行研究。首先,采用Adaboost算法通过人脸分类器从视频帧中检测人脸区域,并根据面部器官几何分布规则粗检眼睛与嘴部区域;其次,基于大律法自适应二值化,采用垂直积分投影法判断是否配戴眼镜,根据灰度直方图统计特征值法判断戴眼镜的眼部区域状态,另外,利用似圆度判断嘴部打哈欠情况;最后,利用PERCLOS(Percentage of Eyelid Closure over the Pupil)值识别眼睛疲劳状态,利用打哈欠频率识别嘴部疲劳状态。当检测到驾驶员处于疲劳状态,则及时给出疲劳警告。实验结果表明,该方法可有效解决眼镜对检测的干扰,并适用于不同光照与环境。同时,在戴眼镜情况下对于眼睛与嘴部疲劳状态的判断优于其他方法。基本满足疲劳检测系统对良好的实时性、稳定性与鲁棒性等要求。
