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。     

疲劳驾驶识别算法与技术

针对驾驶员长途驾驶汽车时,会因难以克服的生理疲劳时常发生交通事故的残酷现状,提出一种疲劳驾驶的识别算法,能够有效阻止驾驶员在疲劳状态下,持续行驶的不良行为,以避免事故的发生。该算法通过对驾驶员脸部图像的采集与特征空间建立,采用与疲劳训练样本的类比计算,实时确认当前驾驶状态的类别属性。依据驾驶状态的类别属性即可确定是否需要对驾驶员实施干预。系统识别运算周期小于50ms,识别准确率高于96%。     

驾驶员疲劳驾驶监测方法研究的进展

近年来,疲劳驾驶已经成为汽车安全的重要隐患,严重地威胁着人们的生命和财产安全.文章介绍了疲劳驾驶的特征表现和产生原因,及该技术的研究现状,并对当前几种具有代表性的疲劳状态监测方法进行了评述;利用信息融合技术,将多种监测方法进行有机的结合的方法是驾驶员疲劳状态监测的发展趋势;文章还提出了驾驶员疲劳状态监测及预警装置的非接触性、车载性、实时性的研究思路.     

多源信息融合在驾驶疲劳检测中的应用

疲劳驾驶已成为引起交通事故的主要原因之一。目前众多驾驶疲劳检测方法都是通过单一的基于图像处理技术实现对驾驶疲劳的识别检测,而这种方法易受驾驶环境的影响,限制了其检测的准确性和可靠性。针对这一局限性,引入多源信息融合技术,选择基于图像的PERCLOS值以及基于非图像的方向变化与驾驶员反应不一致情况、方向盘动作状态和连续驾驶时间作为融合参数,并采用TS模糊神经网络(TSFNN)进行综合判断的方法,提高了驾驶疲劳检测的准确性和可靠性。经过实验表明该方法有一定的有效性。     

基于云计算的多特征疲劳驾驶检测系统研究与设计

随着私家车的普及,人们对汽车安全性、舒适性要求不断提高,通过对当前车载系统分析和汽车驾驶员疲劳驾驶状态研究,提出了一种基于信息融合的多特征疲劳驾驶检测方案。方案采用高性能嵌入式系统平台与云计算相结合的方式,首先,通过嵌入式系统采集驾驶员面部图像;然后,将数据传输到Face+ 云计算平台,分析当前驾驶人员身份、年龄与微笑程度;最后,采用数字图像处理技术计算驾驶员头部位移以及统计眼睛眨动规律,综合三种指标预测驾驶员是否处于疲劳状态,实时监测驾驶员驾驶全过程。当检测到驾驶员处于疲劳驾驶状态,则通过语音的方式提醒驾驶员注意行车安全、谨慎驾驶。测试结果表明：该方案检测精度高、实时性强,并且易于和车载系统整合并推广使用。     

驾驶员疲劳检测系统研究综述

实时检测驾驶员的状态,可以避免大量交通事故的发生.通过机器视觉技术可以识别出驾驶员眼睛张开闭合状态,判断驾驶员是否疲劳.基于视频图像分析的驾驶员疲劳检测方法成为当前研究的一个重要方向.本文对国内外驾驶员疲劳检测方法及发展趋势进行了综述.     

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．     

基于图像特征的驾驶员疲劳状态检测算法研究磁

对驾驶员的疲劳状态进行有效地监控,有助于防止驾驶员因疲劳驾驶而引发的交通事故。论文通过分析人眼灰度和运动特征,提出一种新的度量人眼状态变化的差分特征。同时结合 PERCLOS 方法,给出采用“闭眼帧数”、“连续眨眼帧数”和“频繁眨眼帧数”三种疲劳判断准则相结合的方法,实现了驾驶员疲劳状态判断。     

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%。     

基于眼嘴状态识别网络的疲劳驾驶检测

驾驶员疲劳驾驶是引发交通事故的重要因素，因此对驾驶员的驾驶状态进行精准检测尤为关键，然而现有的疲劳检测方法存在误判率高、鲁棒性低等问题。提出一种结合多特征融合与状态识别网络的疲劳驾驶检测方法，分析驾驶员的疲劳状态，利用优化后的单阶段人脸检测算法RetinaFace获取人脸位置及5个标志定位，根据双眼和嘴角关键点坐标将双眼及嘴部区域分别旋转至水平并截取。对现有数据集进行重新分类，用来训练以Ghost模块为基础的眼嘴状态识别网络（EMSD-Net），并对双眼开合状态及嘴部是否哈欠进行识别。最后，根据眼嘴状态，使用单位时间眼睛闭合的百分比、持续闭眼时间和持续哈欠时间为指标进行疲劳判断，并得出相应的疲劳程度，从而起到更有效的预警效果。在NHTU-DDD、YawDD和CEW数据集基础上构建的新数据集上的实验结果表明，所提方法的疲劳特征识别准确率为95.3%，单帧疲劳检测的平均时间为32.6 ms，具有较低的误判率，且在保证检测准确率基础上，有较高的实时性。     

恶劣光照下驾驶人疲劳及注意力视觉监测算法

驾驶人驾驶行为监测及预警系统对于提高行车安全性及降低交通事故等问题具有重要作用,而利用机器视觉对驾驶人疲劳状态及注意力状态进行监测和分析是安全辅助驾驶领域内的研究热点之一。机器视觉受光照条件影响非常严重,甚至直接影响到图像处理算法的可靠性。在弱光和强光两种特殊照明条件下,介绍了驾驶人疲劳状态的检测思路,提出利用普尔钦斑点及投影曲线极点位置分割面部器官独立区域,最终获得眼睛的轮廓状态,利用PERCLOS判断驾驶人的疲劳状态。在驾驶人面部及面部器官定位的基础上,对驾驶人的头部旋转运动进行分析,提出了计算驾驶人头部旋转角度的计算方法,以驾驶人头部旋转角度为依据判断驾驶人的注意力是否分散。实践证明,在弱光和强光两种特殊照明条件之下,算法实时性好,准确率较高,效果非常理想,能够为驾驶人疲劳状态及注意力状态分析提供较为准确的依据。     

基于脉搏波检测的驾驶员睡意预警装置

随着驾驶员人数的不断增加,不文明的驾驶行为也越来越多,其中由于疲劳驾驶所引发的交通事故占据相当大的比例,给人民的生命和财产造成了巨大的损失,因此,对于驾驶员睡意预警装置的技术研究具有非常重要的意义和实用价值。通过对人体脉搏波信号进行分析处理,采用能够反映驾驶员睡意状态的脉搏频率特征信号作为依据,由STC89C52单片机、按键、数码管、光电传感器、时钟模块、滤波电路、集成运放等构成系统,设计了驾驶员睡意预警装置。调试结果显示该装置识别准确率高,数值可靠,能够有效的检测驾驶员的睡意状态,并在睡意状态时发出预警。对比市场同类型产品,该装置具有成本低廉,操作简单,能够实现车载等特点,为驾驶员睡意预警技术的相关研究提供了一定的技术和实验基础。     

Applying fuzzy method to vision-based lane detection and departure warning system

As the high growth of population of vehicles, the traffic accidents are becoming more and more serious in recent years. Most occurrences of the car accidents results from the distraction, inattention and driving fatigue of the driver. Hence, in order to avoid the driver being in danger as much as possible. In the lane detection, in order to enhance lane boundary information and to suitable for various light conditions all day, we combine the self-clustering algorithm (SCA), fuzzy C-mean and fuzzy rules to process the spatial information and Canny algorithms to get good edge detection. In the lane departure warning, the system uses instantaneous information from the lane detection to calculate angle relations of the boundaries. The system sends a suitable warning signal to drivers, according to degree different of the departure. These experiments have been successfully evaluated on the PC platform of 3.2-GHz CPU and the average frame rate is up to 14 fps.     

基于面部动作时空特征的疲劳预警算法

目前疲劳预警算法多采用实时监测报警的方式,这在高速行驶中具有很大的安全隐患。鉴于人类疲劳状态的时序相关性,提出一种基于面部动作时空特征提取的预警算法。首先,构建加入空间变换结构的卷积神经网络,识别人脸区域,对脸部特征点进行检测标记;其次,建立时空特征提取网络,利用采集的人脸图像序列,对未来图像序列进行预测并输出;最后,在输出的图像序列中根据眼部、嘴部综合状态判断是否发出警告。实验结果表明,以15 fps的速率采集图像,预测未来2 s 30帧图像的方式下,该算法能以90%以上的准确率提前26帧（约1.5 s）预警,且提前15帧（1 s）预警的准确率达到97%。在我国高速公路平均100 km/h的车速下,相当于提前40 m预警,能进一步减少交通事故的发生。     

基于PSO-IGA算法的高性能十字阵列的设计与综合

前碰撞预警系统是安全辅助驾驶领域的一项重要部分,通过计算机处理交通环境信息,当检测到潜在危险时,及时提醒并辅助驾驶员。采用计算机视觉方法,通过目标检测和跟踪算法,获取图像中目标车辆的位置和轨迹信息,并利用相机标定,计算当前车辆和前方车辆在世界坐标系中的距离、速度及轨迹等信息,综合该信息,实现前车碰撞时间预警、前车并线预警以及非机动车预警算法。在前车并线过程中,利用轨迹信息实时检测前车并线意图,及时提示驾驶员注意避让前方车辆。实验表明,本文提出的预警算法具有较高的准确性和鲁棒性,特别在高架或高速道路场景下,并线预警算法能检测到前车的并线意图,及时预警。     

基于级联宽度学习的疲劳驾驶检测

为减少因疲劳驾驶引发的交通事故,提出融合多参数的驾驶员疲劳检测算法。用渐进校准网络(PCN)检测人脸图像,通过基于CNN的回归模型定位人脸关键点;根据关键点坐标和面部器官的分布规律提取眼睛和嘴部图像,用宽度学习系统(BLS)分别识别眼睛与嘴巴的状态;将眼睛、嘴巴和头部状态的时序序列送入二级宽度网络对司机的状态进行判别。实验结果表明,该算法的疲劳检测准确率为94.9%,单帧检测时间52.43ms。     

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。     

Designing an integrated driver assistance system using image sensors

Road accidents cause a great loss to human lives and assets. Most of the accidents occur due to human errors, such as bad awareness, distraction, drowsiness, low training, and fatigue. Advanced driver assistance system (ADAS) can reduce the human errors by keeping an eye on the driving environment and warning a driver to the upcoming danger. However, these systems come only with modern luxury cars because of their high cost and complexity due to several sensors employed. Therefore, camera-based ADAS are becoming an option due to their lower cost, higher availability, numerous applications and ability to combine with other systems. Targeting at designing a camera-based ADAS, we have conducted an ethnographic study of drivers to know what information about the driving environment would be useful in preventing accidents. It turned out that information on speed, distance, relative position, direction, and size and type of the nearby objects would be useful and enough for implementing most of the ADAS functions. Several camera-based techniques are available for capturing the required information. We propose a novel design of an integrated camera-based ADAS that puts technologies??such as five ordinary CMOS image sensors, a digital image processor, and a thin display??into a smart system to offer a dozen advanced driver assistance functions. A basic prototype is also implemented using MATLAB. Our design and the prototype testify that all the required technologies are now available for implementing a full-fledged camera-based ADAS.     

基于射频技术的油罐车在途状态监测系统设计

针对油罐车罐体温度过高、罐体倾斜、阀门漏油等问题,文章设计了基于射频一体化芯片SI1000的油罐车罐体状态监测系统,车载终端控制单元以S3C2440A为主控制器,SI1000芯片为从控制器,设计了主从结构的片上系统(SOC)方案,提出了各个模块的硬件设计和软件流程;该罐体状态监测系统应用GPRS技术、GPS技术以及温度传感器、倾角传感器、铅封锁能够对车辆位置、罐壁温度、罐体倾角、油阀状态等参数进行远程在线监测;通过实验测试,各个参数的测量误差值在5%以内,且系统运行情况良好,符合系统设计需求。