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。     

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.     

一种基于视觉的PERCLOS特征提取方法

PERCLOS是有效地检测驾驶员瞌睡的特征.本文在前人研究的基础上,提出了一种快速、有效的计算眼睛睁开程度的检测算法.针对车内光线会有变化的特点,对肤色滤波之后的人脸灰度图像通过累计直方图阈值法进行二值化,很好地将面部五官从肤色中分离出来.最后利用连通域搜索算法得到双眼睁开的大小,并最终提取到PERCLOS.     

基于机器视觉的驾驶疲劳检测方法

针对基于机器视觉技术的驾驶防瞌睡装置，讨论了当前的发展状况和应用情况，提出了基于红外光源、差分图像、Kalman滤波的系统方案。在红外光照射下，利用视网膜对不同波长红外光吸收率的显著差别，引起图像处理区域改变，同时利用神经网络辅助Kalman滤波器对眼部位置进行跟踪预测，实现司机在一定范围内活动时跟踪眼睛、测量眼睑和眼球状态的分析技术。该方法为检测司机在驾驶中是否困倦提供了关键的技术，实验表明该方法是有效的。     

驾驶员疲劳驾驶预警系统的设计

针对疲劳驾驶监测的要求,设计了一种基于IT公司高速图像处理芯片TMS320DM642的疲劳驾驶预警系统,用以判定驾驶员的疲劳程度,降低交通事故.系统采用机器视觉的方法,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算法判定疲劳状态.实验结果表明,该系统准确率高、速度快,可...     

基于机器视觉的驾驶疲劳检测方法

针对基于机器视觉技术的驾驶防瞌睡装置,讨论了当前的发展状况和应用情况,提出了基于红外光源、差分图像、Kalman滤波的系统方案.在红外光照射下,利用视网膜对不同波长红外光吸收率的显著差别,引起图像处理区域改变,同时利用神经网络辅助Kalman滤波器对眼部位置进行跟踪预测,实现司机在一定范围内活动时跟踪眼睛、测量眼睑和眼球状态的分析技术.该方法为检测司机在驾驶中是否困倦提供了关键的技术,实验表明该方法是有效的.     

基于DSP/BIOS的疲劳驾驶实时监测系统的设计

疲劳驾驶引起的交通事故在交通事故总数中占了很大的比重.文中提出利用DSP构建疲劳驾驶实时监测系统,利用TMS320DM642的实时操作系统内核DSP/BIOS,借助PERCLOS方法实现疲劳程度监测,预防和减少交通事故的发生.同时利用接口技术,实现PC与DSP的通讯联系与实时数据交换.     

基于DSP的疲劳驾驶检测系统的研究

针对汽车驾驶员疲劳驾驶检测的要求,设计了一种基于图像处理DSP芯片DM6437的疲劳驾驶视觉检测系统。通过DSP的GPIO口用软件控制摄像头轴上和轴外的两种不同波长的近红外光源(850nm/950nn)交替采集驾驶员图像,根据亮瞳效应两帧图像差分后粗定位人眼,用模板检测提取人眼的边界,根据PERCLOS值方法判断驾驶员是否疲劳。根据人眼的不同状态分别处理,用蜂鸣器作为报警系统提醒驾驶员。实验表明,该系统简单实用,而且能够全天候准确快速地判断驾驶员是否疲劳。     

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。     

基于TMS320DM643的驾驶员疲劳检测系统的实现

以德州仪器（TI）推出的多媒体图像处理器TMS320DM643作为核心单元,设计了一个单通道的视频采集分析存储系统。基于此系统提出了将PERCLOS测量方法在DSP上实现的方法,并给出了程序流程。设计此系统的目的是为了减少因疲劳驾驶而产生的交通事故的发生率。实验得出,文中提出的方法克服了传统的驾驶员疲劳检测系统需要在驾驶员身上安装测量装置或者需要驾驶员周期性重复某项动作的弊端。该系统疲劳检测准确率较高．可用于火车、长途客货车驾驶员防瞌睡,降低交通事故发生率。