基于ICA和HMM的疲劳驾驶眼部状态识别算法

汽车司机疲劳驾驶是引发交通事故的一个重要原因。驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶3种状态下的眼睛张开程度有一定的区别。提出了一种ICA结合隐马尔可夫模型(HMM)识别眼部状态的识别算法,首先对彩色图像进行二值化处理,然后利用ICA算法进行眼部状态特征提取,为了加快特征提取的速度,这里采用FastICA算法;然后通过HMM进行眼部状态识别。实验结果表明,该算法可快速有效地识别出驾驶员眼部状态。     

基于深度学习的疲劳驾驶检测算法

针对现有疲劳驾驶检测算法实用性差或准确率低的问题,本文提出了一种基于深度学习的疲劳驾驶检测算法.首先,使用HOG （Histogram of Oriented Gradient）特征算子检测人脸的存在;其次,利用特征点模型实现人脸的对齐,同时实现眼睛、嘴巴区域的分割;最后通过深度卷积神经网络提取驾驶员的眼部疲劳特征,并融合驾驶员嘴部的疲劳特征进行疲劳预警.大量的实验表明,该方法在疲劳驾驶检测的准确率、实时性等方面都取得明显的性能提升.     

融合人眼特征与深度学习的疲劳驾驶检测模型

针对现有疲劳驾驶检测技术不能有效平衡准确性和实时性的问题,通过融合人眼特征与深度学习,构建一种新的疲劳驾驶检测模型。设计GP-VGG16网络进行眼部状态识别,通过将人工先验信息集成到轻量级深度网络中,提高眼部状态识别的准确性、稳定性和实时性。在此基础上,利用眼部特征-疲劳等级模型将疲劳状态划分为9个等级,定量估计驾驶员状态,同时基于少样本学习建立高效的自动标签生成网络,减少对大量无标签驾驶数据的语义标注。实验结果表明,该模型的准确率达到97.1%,运行速度达到39.96 frame/s,能够有效提高驾驶员疲劳状态识别的准确性与时效性。     

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.     

基于图像处理的疲劳驾驶预警研究

基于图像处理知识对疲劳驾驶检测系统进行研究。在构建人脸相关数据库后,主要的疲劳相关信息通过混合模型算法进行获取。首先对图片进行一定的预处理,增加图像增强模块消除实际的光照干扰。采用基于AdaBoost的人脸检测算法为核心检测方法,对人脸的定位以驾驶员眼部特征为关键部位。采用人眼变化曲线分析法与PERCLOS准则相结合的判定方法进行疲劳判定。针对不同需要和特性对疲劳驾驶预警进行优化。实验通过模拟测试验证了关键点定位算法的可实现性与准确性,并验证实际的疲劳测试具有较好的可靠性。     

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。     

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.     

一种基于Gabor小波的驾驶员眼部状态识别方法的研究

近年来，由于驾驶员疲劳驾驶导致的交通事故逐年递增，所以有必要规范驾驶员的行为．由于驾驶员的疲劳状态可由眼睛状态表达出来，为了对眼睛状态进行有效监测，介绍了一种在车辆上安装CCD监测驾驶员行为的新方法，并介绍了一种采用计算机视觉对驾驶员的眼睛状态进行识别的技术方法．该方法是根据驾驶员在正常驾驶、瞌睡驾驶及疲劳驾驶3种状态下的眼睛张开程度有一定的区别的这一特点，提出的一种利用Gabor小波提取眼角处的纹理走向特征值，并将由所有特征值组成的特征矢量作为三层神经网络的输入，以输出对应3种不同精神状态的眼部状态的识别方法．试验结果表明，该网络可快速有效地识别出驾驶员眼部状态．     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

基于眼部自商图—梯度图共生矩阵的疲劳驾驶检测

目的 疲劳驾驶是引发车辆交通事故的主要原因之一,针对现有方法在驾驶员面部遮挡情况下对眼睛状态识别效果不佳的问题,提出了一种基于自商图—梯度图共生矩阵的驾驶员眼部疲劳检测方法。方法 利用以残差网络（residual network,ResNet）为前置网络的SSD（single shot multibox detector）人脸检测器来获取视频中的有效人脸区域,并通过人脸关键点检测算法分割出眼睛局部区域图像;建立驾驶员眼部的自商图与梯度图共生矩阵模型,分析共生矩阵的数字统计特征,选取效果较好的特征用以判定人眼的开闭状态;结合眼睛闭合时间百分比（percentage of eyelid closure,PERCLOS）与最长闭眼持续时间（maximum closing duration,MCD）两个疲劳指标来判别驾驶员的疲劳状态。结果 在六自由度汽车性能虚拟仿真实验平台上模拟汽车驾驶,采集并分析驾驶员面部视频,本文方法能够有效识别驾驶员面部遮挡时眼睛的开闭状态,准确率高达99.12%,面部未遮挡时的识别精度为98.73%,算法处理视频的速度约为32帧/s。对比方法1采用方向梯度直方图特征与支持向量机分类器相结合的人脸检测算法,并以眼睛纵横比判定开闭眼状态,在面部遮挡时识别较弱;以卷积神经网络（convolutional neural network,CNN）判别眼睛状态的对比方法2虽然在面部遮挡情况下的准确率高达98.02%,但眨眼检测准确率效果不佳。结论 基于自商图—梯度图共生矩阵的疲劳检测方法能够有效识别面部遮挡时眼睛的开闭情况和驾驶员的疲劳状态,具有较快的检测速度与较高的准确率。     

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.     

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.     

一种基于卷积神经网络的疲劳驾驶检测方法

疲劳驾驶检测具有重要的警示作用,对检测方法的准确性和实时性均有较高要求。为此,提出了一种基于卷积神经网络的疲劳驾驶检测方法。首先,针对车内特定使用环境,对MTCNN算法进行了加速优化,在保证高准确率的同时检测速度提升高达27倍。其次,在实现人脸特征点精确定位基础上,提出了一种基于稀少特征点快速准确提取目标区域图像的ERFP（extracting images based on rare feature points）方法。再次,利用构建的眼、嘴数据集EMSD（eye and mouth state date sets）完成了眼、嘴部状态分类模型的训练。最终,利用训练得到的模型,结合相应的判定算法,实现了疲劳驾驶的检测判定。实验结果表明,该方法在实车环境下对瞌睡和哈欠行为的判定准确率均达到了96%以上,且每秒可完成约50帧图像的检测,具备良好的实时性。     

基于高斯眼白模型的疲劳驾驶检测

目的 为解决疲劳驾驶检测中人眼状态识别的难点,提出一种基于眼白分割的疲劳检测方法。方法 首先对获取图像进行人脸检测,利用眼白在Cb-Cr上良好的聚类性,基于YCbCr颜色空间建立高斯眼白分割模型;然后在人脸区域图像内做眼白分割,计算眼白面积;最后将眼白面积作为人眼开度指标,结合PERCLOS（percentage of eyelid closure over the pupil over time）判定人的疲劳状态。结果 选取10个短视频进行采帧分析,实验结果表明,高斯眼白分割模型能有效分离眼白,并识别人眼开合状态,准确率可达96.77%。结论 在良好光线条件下,本文方法能取得不错的分割效果;本文所提出的以眼白面积作为判定人眼开度的指标,能准确地判定人的疲劳状态。实验结果证明了该方法的有效性,值得今后做更深入的研究。     

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。     

基于有限状态自动机的人眼开度PERCLOS实现算法

针对驾驶员驾驶过程中因疲劳引起的眼睛开度变化问题, 在原有PERCLOS(percentage of eyelid closure over the pupil over time)标准的基础上, 提出了一种基于有限状态自动机的人眼开度PERCLOS计算方法, 并将其应用到疲劳驾驶预警系统中。该系统首先采用红外摄像头实时获取驾驶员的脸部视频图像, 使用ASM(active shape models)算法进行人脸检测, 在定位到的人脸范围内搜索人眼区域并计算人眼开度, 为了避免人与摄像头距离变化影响计算结果, 对人眼开度进行归一化处理; 然后依据建立的有限状态自动机模型计算PERCLOS值; 最后根据制定的预警机制实现基于人眼开度的疲劳预警。实验结果表明本方法能够实时监测驾驶员疲劳状况, 具有对光照变化、脸部配饰不敏感的特点。