驾驶员疲劳状态检测仿真研究

研究驾驶员疲劳状态的准确检测问题,针对传统检测算法要求数据量大、计算复杂等缺陷,以提高驾驶员疲劳状态识别正确率为目标,提出一种支持向量机的驾驶员疲劳状态检测方法。首先采用传感器对方向盘转角和道路偏移值进行采集,然后进行离散化处理,最后输入到支持向量机进行学习,建立驾驶员疲劳状态检测模型。实验结果表明,方法能够很好的克服传统检测算法存在的缺陷,提高了驾驶员疲劳状态检测正确率,能够满足驾驶疲劳检测要求。     

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.     

基于眼部特征的驾驶员疲劳检测方法研究

随着汽车保有量的持续增加,随之而来的交通事故也持续增长,大部分的交通事故是由疲劳驾驶引起的.因此研究出一种能够有效检测驾驶员疲劳的方法具有重要意义.论文主要研究了基于级联的Adaboost驾驶员面部检测算法,在检测到人脸的基础上运用SDM算法进行人脸特征点定位,然后根据PERCLOS原理来判断驾驶员是否疲劳,实验表明该方法能够准确地检测驾驶员的疲劳状态.     

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。     

基于面部多特征的驾驶员疲劳状态检测

鉴于传统的疲劳检测模型通过驾驶员单一疲劳特征检测具有局限性的问题,提出了一种新的驾驶员疲劳检测模型。首先使用改进的AdaBoost算法进行人脸检测,解决复杂光源和背景的影响,提高人脸检测效率。然后用LBF算法进行人眼检测,用三庭五眼法进行嘴部检测,通过人眼高宽比和像素比检测人眼闭合程度,通过嘴部高宽比和圆形度检测嘴部打哈欠状态,再综合眼部疲劳特征计算闭眼时间,利用打哈欠频率计算嘴部疲劳。最后综合上述疲劳特征检测驾驶员疲劳状态。实验表明该方法可有效检测驾驶员疲劳状态,满足疲劳检测系统对实时性、鲁棒性的要求。     

车载疲劳驾驶行为检测系统的研究与设计

针对汽车驾驶员的疲劳驾驶行为检测过程繁琐、算法复杂、检测装置部署易影响驾驶员等现状,为更加方便、快捷、有效的对疲劳驾驶做出监测和报警,提出基于ZigBee的车载疲劳驾驶检测方案.选取方向盘角度变化作为检测疲劳驾驶的突破点,使用TLE5012角度传感器,完成角度数据的采集,采用CC2530实现系统的无线通信.从采集到的方向盘角度数据中提取能反映疲劳状态的零速百分比和角度标准差两个特征,使用线性判别算法对驾驶人员的疲劳状态进行分类.仿真实验表明,该方法能够较准确的对疲劳状态进行判别.     

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。     

基于面部行为分析的驾驶员疲劳检测方法

眼睛和嘴部状态检测是疲劳检测方法的重要步骤,但眼镜遮挡及光照变化使得眼睛状态识别效果不佳。为此,提出一种新的驾驶员疲劳检测方法。使用红外采集设备对驾驶员面部图像进行采集,通过结合AdaBoost与核相关滤波器算法进行人脸检测及跟踪。采用级联回归方法定位特征点,提取眼睛和嘴部区域。运用卷积神经网络进行眼睛和嘴部状态识别,在此基础上计算多个疲劳参数进行疲劳检测。实验结果表明,该方法在多种情况下均能准确地检测眼睛和嘴部状态,可有效地进行疲劳检测。     

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.     

基于时序性面部动作信息的驾驶员状态检测框架

通过网络摄像头获取驾驶员面部视频输入网络进行检测的方法主要通过分析驾驶员口型等面部表情来判断是否疲劳驾驶,但说话等很多类似的状态也被误检为疲劳。针对以上问题提出了一种基于时序性面部动作信息的检测框架,对驾驶员状态进行检测,从而提高检测准确率、降低误检率。该框架通过检测视频中的脸部轮廓,提取脸部的多种特征,形成面部动作单元;通过训练对应的LSTM网络,形成时序性的面部动作单元,根据其相关性进行多种动作单元融合,检测最终驾驶员的状态。在公共YawDD数据集上的检测结果表明,相比于现有的方法,该检测方法的准确率提高到了93.1%,同时大幅降低了疲劳状态的误检率。     

基于图像识别的嵌入式驾驶员疲劳监测终端设计

疲劳驾驶是导致车辆发生事故的一个主要因素.为了有效防止疲劳驾驶现象的发生,文章研究了一种采用图像识别对驾驶员疲劳状态检测判别的嵌入式监控终端设备.该设备以嵌入式芯片作为核心控制器,利用安装于驾驶台前上方的摄像头采集驾驶员的脸部图像,微处理器采用HOG-SVM算法识别脸部特征,采用灰度积分投影法来实现对图像中眼睛张开定位,使用PERCLOS算法判定人的驾驶状态并实现疲劳状态语音报警提示,同时把驾驶员状态发送到远程管理平台.     

基于DSP的疲劳驾驶预警系统的设计

本文描述了一个基于TI公司高速图像处理芯片TMS320DM642的疲劳检测预警系统,用以判定驾驶员的疲劳程度,降低交通事故.本系统采用非接触方法,先通过CCD摄像头拍下驾驶员的面部图像序列,然后检测出脸部,从而定位眼睛,再利用PERCLOS判定疲劳状态.本系统还结合免费的开源计算机视觉库OpenCV来加快开发速度和降低开发成本.     

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。     

基于计算机视觉的疲劳及注意力检测算法

针对现有疲劳驾驶检测算法的准确率底、实用性差以及不能实时检测的问题,论文采用计算机视觉的方法首先利用Dlib提取眼部、嘴部、下巴周围的特征点的坐标,通过计算眼睛纵横比来实现瞌睡检测,并且类比眼睛纵横比提出一种用于哈欠检测的新方法—嘴部纵横比检测法,为了进一步判断驾驶员状态,论文进一步对驾驶员的注意力进行判断,一旦出现不安全行为,立马发出预警进行提醒,从而实现驾驶员疲劳及注意力检测.实验证明,该方法在疲劳驾驶检测的准确率、实时性等方面取得明显的性能提升.     

基于模糊综合评价的疲劳驾驶检测算法研究

疲劳驾驶是引发交通事故的一个主要原因，对驾驶员疲劳驾驶做出准确、有效的检测和预防，具有重要的社会意义.在研究比较了前人工作的基础上，设计了一种基于机器视觉，图像处理的驾驶员疲劳检测机制.首先将传来的连续帧图像（视频）利用Adaboost算法进行人脸检测，根据人脸"三庭五眼"的分布特征分割出大致的人眼区域.在人眼定位过程中，采用OSTU阈值分割，非线性点运算和积分投影等预处理消除眉毛，并利用模糊综合评价算法对眼睛矩形区域的长宽比、拟合椭圆面积、瞳孔黑色素所占比例这3个影响因子进行分析，判别出眼睛的睁开闭合状态.最后根据PERCLOS原理对驾驶员的疲劳状态做出检测.实验结果表明，所提算法能够准确地判别出眼睛的睁闭状态及对驾驶员的疲劳状态的检测，具有较高的准确性和实用性.     

提取驾驶员面部特征的疲劳驾驶检测研究综述

疲劳驾驶是威胁驾驶员人身安全以及道路交通安全的主要因素之一。高效精准的疲劳驾驶检测方法可以有效地保障驾驶员及其周围交通安全,维护交通秩序,减少财产损失和人员伤亡。由于基于驾驶员生理特征和基于车辆行驶信息的疲劳驾驶检测方法具有对驾驶员不友好、影响因素较多等局限性,使得基于驾驶员面部特征的疲劳驾驶检测方法成为研究热点。首先简述了疲劳驾驶面部特征表现,总结了疲劳驾驶领域常用公开数据集的优缺点和应用场景;其次使用公开数据集,通过对比实验,分析研究了疲劳驾驶检测领域常用人脸检测算法的优势和不足;随后给出了基于驾驶员面部特征的疲劳驾驶检测方法流程,总结分析了流程中关键步骤所使用的方法和技术;另外归纳整理了疲劳驾驶领域常用的疲劳判别参数和疲劳驾驶结果预测方法;最后对全文进行总结,给出了基于驾驶员面部特征的疲劳驾驶检测方法目前所面临的挑战,并对未来研究进行了展望。     

基于全方位视觉传感器的驾驶疲劳视频检测装置的设计

针对驾驶疲劳问题,设计了一种基于全方位视觉传感器的驾驶疲劳视频检测装置;首先使用全方位视觉传感器采集到驾驶员脸部、方向盘和道路环境的视频信息,接着采用图像识别手段检测各种能反应驾驶员疲劳的因素,如驾驶员的感知疲劳、判断疲劳和动作疲劳,最后根据以上所检测到的信息综合判断驾驶员是否处于驾驶疲劳状态;实验结果表明,该检测装置能有效地减少驾驶疲劳的漏判率和误判率。     

Gentle-Adaboost在红外视频驾驶员疲劳检测中的应用研究

眼睛状态的检测是驾驶员疲劳检测的关键,但夜间复杂的行车环境导致眼睛状态不易检测,针对这种情况,首先用Gentle-Adaboost算法对大量红外样本训练得到人脸和眼睛分类器,用分类器对驾驶员进行面部和眼睛检测,并提出了采用高斯模型对眼睛区域的垂直积分投影分析得到眼睛睁闭状态的方法,进而计算PERCLOS和EBN,对驾驶员的精神状态进行检测;通过定位人脸以缩小眼睛的搜索区域,不仅可以提高眼睛的检测率,还可提高检测速度;在Visual Studio2012和Opencv 2.4.4中对该系统进行仿真,验证了其有效性和实时性.     

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。     

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。