多源信息融合在驾驶疲劳检测中的应用

疲劳驾驶已成为引起交通事故的主要原因之一。目前众多驾驶疲劳检测方法都是通过单一的基于图像处理技术实现对驾驶疲劳的识别检测,而这种方法易受驾驶环境的影响,限制了其检测的准确性和可靠性。针对这一局限性,引入多源信息融合技术,选择基于图像的PERCLOS值以及基于非图像的方向变化与驾驶员反应不一致情况、方向盘动作状态和连续驾驶时间作为融合参数,并采用TS模糊神经网络(TSFNN)进行综合判断的方法,提高了驾驶疲劳检测的准确性和可靠性。经过实验表明该方法有一定的有效性。     

驾驶员疲劳驾驶检测方法研究综述

由于疲劳驾驶导致的交通事故占比逐年上涨,引起了研究人员的广泛关注。目前疲劳驾驶检测的研究受限于科技水平、环境、道路等各种因素的影响,导致疲劳驾驶检测技术难以进一步发展。介绍了近10年内驾驶员疲劳驾驶检测方法的最新进展。阐述并回顾了主动检测法和被动检测法两大类。根据两大类检测方法各自不同的特征进行细致的分类。进一步分析了各类疲劳驾驶检测方法的优势和局限,同时对主动检测法中基于面部特征的检测方法近3年内所使用的检测算法进行了分析和总结。归纳了各类疲劳驾驶检测方法存在的不足,同时提出疲劳检测领域未来的研究趋势,为研究人员进一步的研究提供新的思路。     

驾驶员疲劳驾驶监测方法研究的进展

近年来,疲劳驾驶已经成为汽车安全的重要隐患,严重地威胁着人们的生命和财产安全.文章介绍了疲劳驾驶的特征表现和产生原因,及该技术的研究现状,并对当前几种具有代表性的疲劳状态监测方法进行了评述;利用信息融合技术,将多种监测方法进行有机的结合的方法是驾驶员疲劳状态监测的发展趋势;文章还提出了驾驶员疲劳状态监测及预警装置的非接触性、车载性、实时性的研究思路.     

基于传感器技术的驾驶疲劳检测方法综述

疲劳驾驶是引发交通事故的一个重要因素,因此,众多的研究人员致力于疲劳驾驶的研究.介绍了疲劳驾驶的研究现状,并着重对各种基于传感器的驾驶疲劳检测方法进行了总结和比较,分析了目前疲劳驾驶研究中存在的问题,以及未来的研究方向.     

基于融合特征的疲劳驾驶检测系统实现

疲劳驾驶检测系统可对驾乘者给予一定程度的智能安全保障,避免事故发生。本文所述疲劳检测算法基于人体视觉特征的融合,提出根据嘴巴区域特征点坐标信息来计算嘴部张闭程度的MAR(Mouth Aspect Ratio)算法,并将其与眼睛纵横比EAR表示的眼部疲劳特征进行融合,最后得到MAR/EAR的比值用来度量驾驶员主观疲劳程度,系统实时测得的比值与设定的疲劳度阈值进行比较即可判定是否疲劳驾驶。系统实验结果验证了所提出方法的有效性。     

基于云计算的多特征疲劳驾驶检测系统研究与设计

随着私家车的普及,人们对汽车安全性、舒适性要求不断提高,通过对当前车载系统分析和汽车驾驶员疲劳驾驶状态研究,提出了一种基于信息融合的多特征疲劳驾驶检测方案。方案采用高性能嵌入式系统平台与云计算相结合的方式,首先,通过嵌入式系统采集驾驶员面部图像;然后,将数据传输到Face+ 云计算平台,分析当前驾驶人员身份、年龄与微笑程度;最后,采用数字图像处理技术计算驾驶员头部位移以及统计眼睛眨动规律,综合三种指标预测驾驶员是否处于疲劳状态,实时监测驾驶员驾驶全过程。当检测到驾驶员处于疲劳驾驶状态,则通过语音的方式提醒驾驶员注意行车安全、谨慎驾驶。测试结果表明：该方案检测精度高、实时性强,并且易于和车载系统整合并推广使用。     

基于FPGA的多特征融合司机疲劳状态检测系统设计

驾驶员的疲劳驾驶是造成交通事故的重要因素,为了实时有效地检测驾驶员的驾驶状态,设计了一种融合多种疲劳特征进行疲劳状态判定的检测算法,并构建了车载的基于现场可编程门阵列(FPGA)的嵌入式检测平台。该多检测算法融合了眼睛和嘴巴的疲劳特征,当某一特征的检测受到影响时可以使用另外的特征进行疲劳状态的判定,较传统的单一特征疲劳检测算法拥有更高的检测效率。实验结果表明:系统的算法简单、可靠、实时性强。     

基于ARM和嵌入式Linux疲劳检测系统研究

基于视觉的疲劳驾驶检测技术是疲劳检测领域的前沿技术。根据基于视觉的车载驾驶员疲劳检测系统实时、小型化、非接触、可扩展等技术要求,以ARM开发板和嵌入式Linux操作系统为平台,设计了一套基于PERCLOS疲劳驾驶检测方法,与传统的基于PC机的疲劳检测系统相比,具有更好的稳定性、可行性以及更优越的可扩充性。     

疲劳驾驶状态检测系统的设计

司机疲劳驾驶容易引起严重的交通事故,疲劳状态检测系统的研究成为计算机应用研究的重要领域.为了满足疲劳状态检测系统实时性要求,选择实时性较好的Adaboost算法来识别人眼,采用单位时间内眼睛闭合时间所占的百分率来判断疲劳状态,应用该算法后进行疲劳驾驶训练和识别研究.选择DSP移植方案并将疲劳状态检测算法移植到DSP中.经过实时检测实现的系统基本能满足实时检测疲劳驾驶的要求.     

基于多疲劳信息融合的车载疲劳检测系统的研究和实现

疲劳驾驶是目前道路交通的一个重要安全隐患,对车载疲劳驾驶系统的研发具有重要的应用价值和广阔的市场前景;目前存在的疲劳监测系统普遍存在成本高,可靠性不足,使用不够便捷等缺陷;通过在安卓平台上采用计算机视觉的途径进行开发和实现,将大大降低系统的成本和使用复杂度;通过多种疲劳特征融合的方法对疲劳状态进行综合性判断,可以有效地增加系统的准确性和可靠性;采用优化的二叉树支持向量机多分类算法能够使得特征融合的过程具有准确性和速度上的优势;在对该疲劳检测系统的相应测试中也获取了良好的实验结果。     

Driver fatigue detection using a genetic algorithm

Nowadays, many traffic accidents occur due to driver fatigue. Driver fatigue detection based on computer vision is one of the most hopeful applications of image recognition technology. There are several factors that reflect driver's fatigue. Many efforts have been made to develop fatigue monitoring, but most of them focus on only a single behavior, a feature of the eyes, or a head motion, or mouth motion, etc. When fatigue monitoring is implemented on a real model, it is difficult to predict the driver fatigue accurately or reliably based only on a single driver behavior. Additionally, the changes in a driver's performance are more complicated and not reliable. In this article, we represent a model that simulates a space in a real car. A web camera as a vision sensor is located to acquire video-images of the driver. Three typical characteristics of driver fatigue are involved, pupil shape, eye blinking frequency, and yawn frequency. As the influences of these characteristics on driver fatigue are quite different from each other, we propose a genetic algorithm (GA)-based neural network (NN) system to fuse these three parameters. We use the GA to determine the structure of the neural network system. Finally, simulation results show that the proposed fatigue monitoring system detects driver fatigue probability more exactly and robustly. This work was presented in part at the 11th International Symposium on Artificial Life and Robotics, Oita, Japan, January 23–25, 2006     

基于驾驶员面部时序数据的疲劳驾驶检测算法

针对传统疲劳驾驶检测方法识别准确率低、泛化能力差的问题,提出了一种基于CNNs和LSTM的端到端可训练网络,检测驾驶员的疲劳状态。根据驾驶员面部特征点提取ROI,将在其他计算机视觉任务上表现较好的深度网络迁移到疲劳检测任务中,并结合LSTM处理时序数据的能力,提出一种新的疲劳检测网络,该网络能够读入视频流中的时序数据并检测出驾驶员的疲劳状态。实验证明所提方法和模型在公开数据集中具有较高的识别准确率,并且在不同的数据集间具有很好的泛化能力,对于减少路面车祸、保障人身安全具有很重要的意义。     

基于DSP的驾驶员疲劳检测系统

为了能够有效地、实时地对驾驶员进行疲劳检测,构建了以ICETEK-DM6437-B模块为核心、以近红外发光二极管为光源和以电荷耦合器摄像头为图像采集设备的驾驶员疲劳检测系统.提出了以人脸区域定位为检测主体的、在PER-CLOS方法原理基础上改进的PER-NOFACE方法结合多种简单高效的图像处理算法的疲劳检测方案,可有效地检测出驾驶员的疲劳状态.为了保证系统检测的实时性,在DM6437达芬奇处理器上对疲劳检测算法进行了代码优化.实验结果表明,该系统能够较为准确地、实时地对驾驶员进行疲劳状态检测.     

驾驶员疲劳检测报警系统的研究设计

本文设计的驾驶员疲劳检测报警系统采用基于TMS230DM642的第二代高性能多媒体处理器,实现了非接触的、实时驾驶员疲劳状态监测。系统通过基于肤色信息的方法从获取的视频图像中检测人脸的位置,然后采用基于灰度值的方法精确定位人眼,提取眼睛闭合度,采用PERCLOS的PM80标准,实现对驾驶员疲劳与否的判定。     

驾驶员疲劳检测系统设计

以DM642为主控芯片设计了一套驾驶员疲劳检测的硬件系统,包括主控器模块、视频采集模块、视频输出模块和报警模块等相关电路;综合国内外的研究现状,确定了了疲劳状态判断的理论基础;交叉运用图像处理技术、人脸检测技术和PERCLOS疲劳检测方法,根据眼睛的疲劳特征,实时判断驾驶员的疲劳状态,进行报警,有效防止交通事故的发生;经过对系统的软硬件测试,结果表明,该方案可以有效地识别出驾驶员的疲劳状态,运行速度快、实时性好,具有较高的鲁棒性。     

Monitoring drivers’ sleepy status at night based on machine vision

Driver fatigue is a chief cause of traffic accidents. For this reason, it is essential to develop a monitoring system for drivers’ level of fatigue. In recent years, driver fatigue monitoring technology based on machine vision has become a research hotspot, but most research focuses on driver fatigue detection during the day. This paper presents a night monitoring system for real-time fatigue driving detection, which makes up for the deficiencies of fatigue driving detection technology at night. First, we use infrared imaging to capture a driver’s image at night, and then we design an algorithm to detect the driver’s face. Second, we propose a new eye-detection algorithm that combines a Gabor filter with template matching to locate the position of the corners of the eye, and add an eye-validation process to increase the accuracy of the detection rate. Third, we use a spline function to fit the eyelid curve. After extracting eye fatigue features, we use eye blinking parameters to evaluate fatigue. Our system has been tested on the IMM Face Database, which contains more than 200 faces, as well as in a real-time test. The experimental results show that the system has good accuracy and robustness.     

疲劳驾驶多源性智能监测预警方法研究

对疲劳驾驶监测预警方法进行研究,可以避免驾驶员因疲劳驾驶产生的交通事故,减少因疲劳驾驶造成的人员伤亡和经济损失。当前的疲劳驾驶监测预警方法存在监测灵敏度低、可靠性差等问题,不能及时对疲劳驾驶的驾驶员进行报警,来避免交通事故的发生。为此,提出了疲劳驾驶多源性智能监测预警方法,首先将摄像头采集的驾驶员图像进行预处理,通过计算驾驶员图像信息的灰度值,得到驾驶员图像中像素的分布密度,为后续的监测和预警工作提供信息。其次,采用卡尔曼滤波算法对驾驶员的图像信息进行跟踪,得到驾驶员各个时间内的状态估计值,最后,通过计算驾驶员状态估计值判断驾驶员是否存在疲劳状态。实验结果表明,该方法的丢包率低、多源性高、抗干扰能力强、计算效率高。     

基于眼睛状态的驾驶员疲劳模糊识别研究

首先介绍了当前国内外各种驾驶员疲劳识别方法,并分析其优缺点后,通过对驾驶员眼睛状态的定位和跟踪,提取眼睑距离来得到眨眼的频率和间隔,提出了驾驶员疲劳的模糊识别算法判定驾驶员的疲劳程度,并利用摄像机实时拍摄驾驶员的脸部,试验表明,提出的模糊识别方法能快速、准确地判断甚至预测瞌睡的发生,对于一般驾驶时目标检测正确率可以达到95%,当驾驶员头部开始转动时,正确率会下降至87%,但仍在可以判别范围内,具有较快的响应速度和鲁棒性.