基于ADSP-BF548的驾驶员疲劳检测系统设计

为防止由疲劳驾驶引发的交通事故,采用基于视觉特征PERCLOS的疲劳检测算法,并以ADI公司ADSP-BF548处理器为算法硬件平台,实时检测驾驶员的疲劳状态。本系统通过车载摄像头实时拍摄驾驶员人脸图像,然后经帧差、投影、模板匹配等图像处理方法正确定位驾驶员的人眼位置,最后根据单位时间内人眼闭合时间所占比,超过阈值则适时预警。实验表明,基于ADSP-BF548的驾驶员疲劳检测系统具有良好的准确性和实时性。     

汽车智能驾舱驾驶疲劳检测系统设计

疲劳驾驶是影响交通安全的主要因素，当前疲劳驾驶的检测方法普遍存在设备体积大、侵入性强、实时性差等弊端。文中设计的基于FPGA的疲劳驾驶检测系统，首先利用区域长宽比改进YCbCr人脸分割算法，提高算法在驾驶环境中对于人脸的辨识度；然后建立动态视频人眼跟踪模型，在人脸范围内定位人眼位置，采用三帧差算法检测眨眼动作，以眨眼率作为疲劳的评价指标，对司机状态进行实时监控；最后利用FPGA芯片完成实时图像数据的处理和疲劳驾驶检测。实验证明，该系统具备在光线昏暗和佩戴眼镜等场景下检测疲劳状态的能力，并且检测系统充分发挥FPGA芯片数据并行处理优势，具备体积小、速度快、集成度高，通电即可工作的特点，有利于在狭小的驾驶舱环境部署，具有一定的工程应用价值。     

使用手机前置摄像头的机动车驾驶员疲劳检测

基于车载疲劳驾驶检测系统的需要,使用手机的前置摄像头设计了用于手机的疲劳驾驶检测系统。通过使用Haar-like特征和Adaboost分类器进行人脸的定位,并在此之上以同样的方法进行人眼的粗略检测。然后通过灰度投影结合Otsu法二值化得到眼睛的精确开度,判断人眼的状态。以此根据PERCLOS方法对驾驶员的疲劳程度进行检测。实验结果表明该系统具有较高的准确度,并对光照的变化有一定的适应性,能够有效地应用到疲劳检测中。      

疲劳检测中人眼定位方法研究

针对疲劳检测系统应用环境背景简单的问题,提出一种人眼定位方法。该方法使用Adaboost算法对人眼样本进行训练,将训练结果用于人眼定位。相比于其他疲劳检测方法,该算法不必首先定位人脸,有更高的检测速度和检测率,同时对光照和人脸姿势有更好的鲁棒性。     

疲劳驾驶视频监测中的快速人脸定位方法

为了满足基于计算机视觉的疲劳驾驶监测中眼睛定位的实时性和准确性的需要,提出了疲劳驾驶视频监测背景下的快速人脸定位方法。依据疲劳驾驶监测中获取的视频背景相对固定的特点,将背景减除法引入到驾驶员人脸检测当中,与灰度投影法相结合实现快速人脸定位。实验表明此方法快速、有效,且对光照变化以及驾驶员人脸姿态的变化具有较好的鲁棒性。     

一种疲劳驾驶检测系统中快速人眼检测方法

疲劳驾驶是导致交通事故的主要原因之一,因此,以人眼检测为核心的疲劳驾驶检测受到了普遍地关注。目前传统的疲劳驾驶检测方法采用"人脸-人眼"模型,即先定位人脸,随后再进行人眼检测。在Ada Boost算法的基础上,使用变模板匹配方法进行人眼检测,并改进了"人脸-人眼模型",采用多特征的分类器来有选择的跳过人脸检测步骤,从而快速准确地定位人眼。在DM642芯片上进行实验,人眼识别率达到了90%以上,且平均每秒能处理40帧图片,证明了该方法的高效性和实用性。     

应用于驾驶疲劳监测的人眼定位与状态分析

驾驶疲劳监测对算法实时性及可靠性要求高,提出一种快速人眼定位及状态分析算法。首先采用Adaboost分类器在视频序列中定位人脸,并给出图像自商融合方法增强算法对光照的适应能力;然后利用灰度投影划分人眼区域,并通过Bernsen局部自适应二值化方法提取眼睛候选区;其次对候选区进行图像矩描述,通过椭圆参数分析及上下文信息实现眼睛定位;最后针对疲劳判定指标特点,采用椭圆短轴参数表征眼睛睁开高度实现眼睛状态分析。实验表明,算法对光照鲁棒性强,平均正确定位率达到98.34%,监测速度达到28 f/s(帧/秒),算法适用于疲劳判断指标,可应用于疲劳监测系统,具有较高的实用价值。     

基于3G视频的驾驶员疲劳状态检测方法

疲劳驾驶已成为交通事故发生的主要原因之一。文中提出了一种基于3G视频的人眼疲劳检测方法。通过DirectShow技术对视频流抓取视频帧,采用肤色聚性特征进行人脸定位,基于灰度信息进行人眼定位与追踪,并采用Perclos方法进行疲劳判断。通过此方法,可以及时了解驾驶者的疲劳状态,有效预防疲劳驾驶。     

基于人眼运动检测的疲劳预警系统研究

在当今节奏高效率的生活工作中,疲劳是引发诸如交通、医疗等事故的重要因素之一。本文基于Perclos等人眼疲劳判定的算法,研究设计了一个嵌入式疲劳预警系统。通过USB摄像头采集视频图像,采用Haar特征的级联分类器从图像中检测出人脸区域和人眼区域,并用帧差分方法跟踪人眼区域,提取其差分统计特征,结合3个准则判断疲劳状态,并进行预警。本系统的设计旨在使打瞌睡人们如驾驶员,能通过系统及时发觉自己的状态,减小由于疲劳产生的事故的可能性。     

基于多参数的驾驶员疲劳检测系统

疲劳驾驶已经成为威胁驾驶员安全的重要因素.本文设计了一种融合眼睛状态和心跳速率变化的驾驶员疲劳检测系统,分别研究了驾驶员疲劳时眼睛状态和心跳速率的变化规律,改进了已有的疲劳检测算法以适应驾驶环境.由于融合了眼睛检测子系统和心跳速率检测子系统,该系统既减小了光照等环境因素的影响,又克服了心跳速率检测设备有延迟的缺点,具有更好的准确率.实验结果证明该系统具有良好的鲁棒性和实时性.     

基于HSV颜色空间的自适应性运动目标检测

格拉斯曼尼(Grassmannian)算法是一种可以由高度不完整信息追踪子空间的在线学习算法,它在视频运动目标跟踪时具有鲁棒性和低复杂度等优点,可以应用在视频前景与背景的实时分离的情况.针对格拉斯曼尼算法在前景分离中,面对室内全局光线突变会产生大量噪声的问题,提出了一种优化的预处理方法.通过HSV色彩空间变换对视频进行阴影检测,根据阈值判断光线变化情况并自适应调整前景内容,最终实现在光照变化情况下的运动目标检测,并有效去除了原格拉斯曼尼算法在光线突变会产生的大量噪声,提高了对光照变化的鲁棒性.     

基于连续型Adaboost算法和Cascade结构的红外人脸检测

自由立体显示技术中,人脸位置的探测与跟踪是关键之一.由于光照变化等因素的影响,对多人的脸部位置的探测很难达到快速、准确的目的.提出一种基于连续型Adaboost算法和Cascade结构的新方法.该方法采用红外主动照明模式,通过隔离可见光照,基本消除了光照变化对人脸检测造成的影响.新检测算法中Adaboost检测速度很快,Cascade结构可以检测那些难以识别的人脸,大大地提高了人脸检测的速度和鲁棒性.对视频流图像进行的检测实验中,没有出现人脸"漏检",极少出现非人脸的"误检".检测速度在Windows XP,Pentium IV,图片分辨率为640×480的条件下,可达25 f/s,完全达到了实时性的要求.另外,实验证明该方法对于人脸表情变化和人脸小角度倾斜也具有鲁棒性.     

基于openCV的人脸检测系统的设计

通过对基于Adaboost人脸检测算法的研究,利用该算法与计算机视觉类库openCV进行人脸检测系统的设计,实现了对出现在视频或图像中的人脸检测。此外,在VC++6.0环境下实现了对一个简单的人脸检测系统软件的界面开发,该系统对人脸检测的速度较快,检测结果较为准确,可以作为其他人脸检测或人脸模式识别的系统的开发基础。     

改进的Hough与梯度直方图的人眼定位算法

针对民用航空器飞行中,实时监控机组座舱行为的疲劳检测系统的快速、精确、低计算量的需求,提出了一种基于Hough、梯度直方图结合的算法：利用Adaboost算法检测人脸之后,运用Hough变换进行人眼初检测,再利用提出的简化梯度直方图特征进行人眼的精确定位。算法将目标区域的简化梯度直方图特征送入SVM分类器,对Hough检测后存在的多个＆quot;可能圆＆quot;进行筛选,剔除Hough检测中的非人眼圆。实验对比结果表明,改进的人眼定位结合算法能够快速的检测人眼,同时粗定位缩小了Hough圆检测的范围,减小了计算量,缩短了算法运行时间,SVM和改进的梯度信息提高了定位的准确率,并且检测结果稳定、鲁棒性好。     

驾驶员疲劳检测中的眼睛定位算法

人眼状态与疲劳程度有很好的相关性,眼睛定位在驾驶员疲劳检测中有十分重要的地位。目前眼睛定位算法都是针对睁开的眼睛,不能定位闭合的眼睛。为了能够定位任意状态下的眼睛,提出了Adaboosting算法与几何模板融合的眼睛定位算法。在眼睛粗定位区域中用Ada-boosting算法检测睁开的眼睛,修改几何模板。对于Adaboosting算法中不能检测到眼睛时则用几何模板法进行眼睛定位。实验表明该算法有较好的检测率和运算速度。     

Driver fatigue detection based on deeply-learned facial expression representation

Driver fatigue detection is a significant application in smart cars. In order to improve the accuracy and timeliness of driver fatigue detection, a fatigue detection algorithm based on deeply-learned facial expression analysis is proposed. Specifically, the face key point detection model is first trained by multi block local binary patterns (MB-LBP) and Adaboost classifier. Subsequently, the eyes and mouth state are detected by using the trained model to detect the 24 facial features. Afterwards, we calculate the number of two parameters that can describe the driver's fatigue state and the proportion of the closed eye time within the unit time (PERCLOS) and yawning frequency. Finally, the fuzzy inference system is utilized to deduce the driver's fatigue state (normal, slight fatigue, severe fatigue). Experimental results show that the proposed algorithm can detect driver fatigue degree quickly and accurately.     

基于多形态红外特征与深度学习的实时驾驶员疲劳检测

疲劳驾驶是导致车祸的重要诱因，严重危害道路交通安全，而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题，提出了基于深度学习的驾驶员疲劳检测算法。首先，使用850nm红外光源补光，在复杂光照和遮挡形态下采集驾驶员的面部图像；其次，利用红外图像中的多种特征，通过级联CNN确定人脸边框和特征点位置，提取眼睛区域并识别眼睛的睁闭状态；最后，将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络，检测驾驶员疲劳状态。实验结果表明:该疲劳检测算法的准确率可达94.48%，平均检测时间为65.64ms。     

基于DM642的人眼检测系统设计与实现

提出一种基于TMS320DM642DSP平台的实时人眼检测系统设计。所用算法结合了人眼在主动照明下的亮瞳效应,使用包括Adaboost,SVM的"人脸-人眼"二级检测算法搜索并确定人眼位置,同时针对DSP平台特点进行相应优化。经实验表明,该DSP人眼检测系统对于640×480分辨率的连续视频能达到实时性要求,并有着良好的准确性。     

基于语义倾向性的视频安全监测研究

随着网络技术和应用迅猛发展,大量的不良视频图像在网上传播,极大地危害了社会的稳定和人们的身心健康,如何有效监测有害视频成为关注的重点。针对这个问题,提出了一种改进的文本安全检测方法。该检测方法首先采用基于语义倾向性分析对字幕文本进行分类,然后将分类结果与用户需求库比较并通过阈值判断是否报警,从而达到监测有害视频的目的。其中文本检测方法是通过分析上下文计算出极性词的修饰极性,并考虑到名词的影响,最后得到整篇文本的倾向性。实验结果表明,该方法能够有效的监测到有害视频。