基于DSP的疲劳驾驶实时监测系统研究

较为理想的非接触式检测眼睛疲劳程度的方法是通过摄像技术获取眼部的动态图像，利用累积差分帧和Hough变换等实时图像处理技术来检测、跟踪眼睛，分析眼睛的状态和提取眼睛的特征参数，在一定的时间内连续统计眼睛的闭合时间，计算出PERCLOS值来判断疲劳程度并采取相应的措施。把眼睛检测及跟踪算法移植到专用DSP上，最终开发出疲劳驾驶的嵌入式实时监测系统。实验结果表明，本系统的算法简单、快速、鲁棒性强。     

基于DM642的嵌入式疲劳驾驶监测系统的实现

针对基于DM642的嵌入式疲劳驾驶监测系统，讨论了系统的总体结构，提出了采用可控光源、奇偶差分帧和人眼跟踪的人眼检测方法。在与奇偶帧图像采集同步的内外圈光源的照射下，利用近轴光源的红眼效应，引起图像奇帧暗瞳孔、偶帧亮瞳孔，由奇偶差分帧快速实现人眼检测与跟踪。同时分析眼睛的特征参数，在一定时间内连续统计眼睛的闭合时间，计算眼睛累计闭合持续时间占某特定时间的百分率（PERCLOS）值来判断疲劳程度并报警。该系统疲劳监测准确率较高，可在汽车驾驶中进行实时疲劳驾驶监测。     

基于PERCLOS的驾驶员眼睛状态检测方法

利用驾驶员眼睛的状态判断驾驶员的疲劳状况是一种实时的、非接触式的方法。首先对眼睛进行精确定位,再根据眼睛面积的减小程度来判断眼睛的睁开或闭合状态,进一步通过记录眼睛闭合的次数、眼睛持续闭合的时间来检测驾驶员是否处于疲劳状态。本文采用肤色分割、去除与边界连通的区域、逐步减小眼睛区域候选范围的方法来定位人眼,再计算眼睛区域的面积,眼睛闭合时间,此方法不受复杂背景影响,对各种肤色、各种姿态的人脸均适用。     

Kalman滤波和Mean Shift算法在疲劳预警系统中的应用

为了预防交通事故的发生,针对驾驶员在驾驶过程中出现疲劳现象,重点对驾驶员眼睛的检测与跟踪的算法进行了研究与改进。通过人的肤色检测出人脸,通过AdBoost算法检测到眼睛,基于Kalman滤波和Mean Shift算法相结合的方法,能够在眼睛部分被遮挡或者眼睛闭合的情况下,在疲劳预警系统中实时地跟踪驾驶员眼睛,准确地判断眼睛的位置。     

基于红外光源的驾驶员眼睛实时监测

眼睛检测是驾驶员疲劳监测系统的关键技术，人眼包含了驾驶员的很多信息，如视线、注意程度、疲劳程度。该文提出了一种不同光照情况下新的实时检测眼睛的方法。通过使用红外光源和基于外观的物体识别技术简化了对眼睛的检测，在不同天气环境下图像特性比较一致，保证了不同气候状况下的亮瞳效应。     

基于图像处理的驾驶员疲劳检测方法

提出一种基于图像处理的实时检测驾驶疲劳的方法，利用肤色信息、投影和连通域相结合的方法检测眼睛，通过动态模板匹配的方法对眼睛进行跟踪；最后利用上下眼睑距离来判断是否疲劳。实验表明，该方法可使眼睛定位和追踪的平均正确率达98％，疲劳检测的正确率为100％，准确率平均为90％。     

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.     

驾驶疲劳的眼睛状态检测算法

驾驶员疲劳状态的监控中,眼睛的状态检测是关键环节。在对眼睛进行定位的同时计算眼睛的状态,并采用kalman滤波方法对人眼进行预测和跟踪。实验证明该算法能有效和准确地检测到眼睛的位置和状态,同时算法需要的处理时间较少,可满足实时性的要求。     

基于视频的人眼跟踪方法研究

疲劳驾驶是交通事故发生的主要原因之一.在车载的驾驶员疲劳检测系统中,对于人眼的高效、实时、准确检测和跟踪是关键技术之一.本文研究基于视频信息的驾驶员人脸图像中眼睛的跟踪方法.采用Viola-Jones算法和AdaBoost算法设计了Haar级联人脸分类器,根据人脸的几何结构和眼睛的特性,通过两次定位的方法实现了对眼睛的定位和跟踪.实验表明,本文方法具有检测精度高、鲁棒性强的特点.     

基于图像处理的驾驶员疲劳检测系统

为了防止驾驶员疲劳驾驶,以驾驶员的眼睛作为研究对象,采用图像处理技术设计仿真了一个基于Matlab的驾驶员疲劳检测系统。该系统采用自带光源的摄像头采集序列图像,对图像中的眼睛点进行定位跟踪,然后计算出眼睛面积,最后对驾驶员是否进行疲劳驾驶做出判断并进行预警。仿真测试结果表明,该系统对驾驶员浅度疲劳的识别率为81.5%,对中度疲劳和深度疲劳的识别率为100%。     

E—Learning系统中基于Adaboost算法的注意力识别

E-Learning,也称电子学习,是指通过因特网或其他数字化媒体进行的学习与教学活动。它使得人们可以随时随地学习。该文针对e-Learning系统中的情感缺失问题,采用适合实时表情识别的Adaboost算法实现快速正面人脸的检测与人眼定位,并根据人脸移动变化情况及眼睛睁闭情况判断学习者注意力类型。     

基于复杂度和最佳阈值的人眼定位方法

人眼定位方法的研究目前已经成为人脸识别智能化中的重要研究内容。提出了一种无需先确定人脸位置,而在有背景灰度人脸图像中直接检测与定位人眼的新算法。利用复杂度的原理,对人脸图像中眼睛位置进行快速定位,剪切眼睛区域的图像块;再利用图像分割的原理,自动寻找最佳阈值,提取眼睛的边缘;进行形态学操作,排除非人眼的图像块,从而正确定位眼睛的位置。该方法能较大提高人眼定位的计算速度,适用于实时性要求较高的场合。仿真实验验证了该算法的有效性和稳定性。     

基于动态加权的分布式多传感器航迹融合算法*

针对目前分布式航迹融合算法中鲁棒性和实时性问题,基于充分利用多传感器测量数据中互补和冗余信息的思想,通过局部航迹估计间模糊支持度函数的建立和支持度矩阵的求解,动态地实现各局部航迹估计在融合中心权重的合理分配,进而提出了一种基于动态加权的分布式多传感器航迹融合算法。最后,通过蒙特卡罗仿真验证了该算法的有效性。     

一种人眼状态实时检测算法的研究

通过人眼图像来检测驾驶员疲劳状态是目前的主流方向,面部及眼睛定位、眼睛状态判别是其中关键环节。文中对一种基于人脸面部特征的人眼粗定位方法进行了研究一在此基础上提出一种灰度映射的方法判别人眼状态。经实验验证：该方法实时性好．对320×240的彩色图像,平均处理速度为每帧30ms。该系统对一定旋转和偏转角度,以及睁闭眼、戴眼镜等条件有很强的鲁棒性。     

复杂背景下的多阈值人眼定位新算法*

提出了一种基于复杂背景下的多阈值人眼定位算法。该算法首先对图像进行光线补偿,减小由于光照不均等因素造成的影响;然后根据对人眼灰度特征的分析来确定3个人眼二值化阈值,从而分离出人眼候选区域;最后根据人脸的几何特征、人眼位置判定准则以及计算二维相关系数来排除非人眼区域,从而定位双眼。实验结果表明,该算法能在不同条件下准确定位人眼,且具有较快的定位速度和较高的检测率。     

基于Mean Shift算法和粒子滤波器的人眼跟踪

基于视觉的驾驶疲劳检测是人脸表情识别技术最有商业前途的应用之一,实时人眼跟踪是其中的关键部分。为了解决跟踪方法对眼睛的部分遮挡、人脸尺度变化等过于敏感的问题,提出了一种综合MeanShift算法和粒子滤波器的跟踪算法。利用粒子滤波器得到样本的观测值后,将MeanShift分析用于每一个粒子,使得粒子集中在测量模型的局部区域内,很好地克服了粒子滤波器的退化现象并有效缩短了计算时间。实验结果表明该算法实时性强,且具有良好的鲁棒性。     

一种改进的人脸图像眼睛快速定位方法

基于广义对称变换的原理，对传统的眼睛检测算法进行了改进。首先，利用面部眉眼区域的灰度呈纵向明显变化的特点，应用积分图法快速地初步定位眉眼区域，在这些候选的区域内用对称变换法检测候选的眼睛点，最后根据先验知识确定眼睛对。实验结果表明本方法简便易行，速度快，定位准确度较高。     

复杂背景下基于肤色和几何特征的人眼定位

人眼检测和定位是人脸识别技术中一个重要组成部分。基于肤色信息和人脸面部几何特征的算法是一种快速、高效、稳定的人眼检测算法。算法采用由粗到细的检测策略，先通过肤色信息对人脸区域进行预检测，然后结合人眼几何特征进行定位，该算法定位效率高，并对背景、尺寸、旋转角度等细节具有很好的适应性，在人脸实时检测系统中具有很好的应用价值。     

基于灰度投影函数的眼睛定位方法

描述了人眼的自动定位算法，其方法是利用图像的灰度投影曲线，将图像缩小在人脸的眼部区域，进而确定人眼在眉眼区域的大致位置，然后通过了灰度直方图估计初始阈值，对二值化眉眼区域进行了阈值分割，利用二维相关系数判定双眼黑块的出现并利用对称相似性进一步确定了双眼的具体位置。