眼睛疲劳程度判定方法研究

在用机器视觉系统监测驾驶员的眼睛疲劳状态时,由于图像采集与图像处理消耗一定的时间,降低了系统的采样率,正常情况下,眼睛的眨动过程非常短暂,过低的采样率会漏掉眼睛某些关键状态的信息。因此直接对视频进行研究并提出用描述统计方法确定眼睛的最大睁开值,进而应用PERCLOS方法进行疲劳判定。对视频序列图像进行抽样,研究不同采样时间间隔对PERCLOS值的影响。通过六名测试者的数据表明：当PERCLOS值在15%附近时疲劳现象明显,随疲劳程度加深PERCLOS值升高,通过对视频序列图像抽样调整采样时间间隔,发现采样间隔在40 ms到120 ms之间时,PERCLOS值比较稳定,最大的相对误差为20.17%,采样间隔时间大于120 ms时PERCLOS值的波动幅度较大,最大相对误差达到54.07%,会影响疲劳判定结果。     

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Adaboost算法的人脸疲劳检测

眼睛状态是人体疲劳最主要和最明显的特征.本文采用肤色和Adaboost方法相结合来进行人脸检测,并在此基础上结合人脸结构的边缘特征及Adaboost方法对眼睛进行精确定位,运用自适应二值化和数学形态学的方法对检测出的图像进行处理提取眼睛状态特征,结合PERCLOS规则及点头率来进行疲劳状态的判定,实验表明,该方法鲁棒性强,速度快,满足人脸疲劳检测的实时性要求.     

A new real-time eye tracking based on nonlinear Unscented Kalman Filter for monitoring driver fatigue

A new scheme for driver fatigue detection is presented, which is based on the nonlinear unscented Kalman filter and eye tracking. Assuming a probability distribution than to approximate an arbitrary nonlinear function or transformation, eye nonlinear tracking can be achieved using an unscented transformation (UT), which adopts a set of deterministic sigma points to match the posterior probability density function of the eye movement. Driver fatigue can be detected using the percentage of eye closure (PERCLOS) framework in a realistic driving condition after the eye nonlinear tracking. This system was tested adequately in realistic driving environments with subjects of different genders, with/without glasses, in day/night driving, being commercial/noncommercial drivers, in continuous driving time, and under different road conditions. The last experimental results show that the proposed method not only improves the robustness for nonlinear eye tracking, but also can provide more accurate estimation than the traditional Kalman filter.     

基于PERCLOS的驾驶疲劳监控方法进展

以驾驶疲劳状态监测为研究对象,介绍了疲劳检测方法现状,主要阐述了PERCLOS的原理,即依据单位闭合时间所占的百分比率,判断驾驶员是否处于疲劳状态。论述了基于PERCLOS的司机疲劳监控方法研究的基本步骤和研究进展,最后总结并得出本文结论。     

基于红外差分图像的驾驶员疲劳检测系统

通过对各种疲劳检测方法进行比较分析,提出了一套基于PERCLOS的驾驶员疲劳检测系统总体设计方案。该系统采集图像使用红外光源,利用人眼对两种波长(850nm/950nm)红外光线的反射率的明显差异,应用图像差分的方法,采用直方图均衡化、二值化、膨胀、腐蚀等图像分析手段,同时利用Kalman(卡尔曼)滤波器对眼部位置进行跟踪预测,实现准确定位、跟踪并识别出驾驶员眼睛的睁开和闭合过程,通过分析眼睛闭合时间来判断疲劳程度。     

基于PERCLOS的汽车司机疲劳监控方法的研究

汽车司机疲劳驾驶是引发交通事故的一个重要原因,许多国家正积极进行疲劳报警器的研究。本文在比较各种疲劳的生理特征后采用PERCLOS,设计了一套红外采集系统减少环境的干扰,然后在红外序列图像中用差分法,圆频率滤波等方法提取脸部区域,定位眼睛,计算瞳孔的面积。实验结果显示该方法对光照以及司机脸部姿势的变化不敏感,定位准确,同时能够满足实时性要求。     

驾驶员眼睛疲劳状态检测技术研究

在判断驾驶员疲劳状态时,应首先对眼睛进行精确定位,再根据眼睛面积的减小程度、持续闭合的时间、闭合频率来判断眼睛疲劳状态。在进行人眼定位时,采用在RGB空间进行肤色分割、去除与边界连通的区域的方法,再结合形状验证法逐步减小眼睛区域候选范围,然后,计算眼睛区域的面积、持续闭合时间。实验证明:这种方法在定位人眼时,简单快速,且不受人脸背景、人脸肤色、姿态的影响。     

Gentle-Adaboost在红外视频驾驶员疲劳检测中的应用研究

眼睛状态的检测是驾驶员疲劳检测的关键,但夜间复杂的行车环境导致眼睛状态不易检测,针对这种情况,首先用Gentle-Adaboost算法对大量红外样本训练得到人脸和眼睛分类器,用分类器对驾驶员进行面部和眼睛检测,并提出了采用高斯模型对眼睛区域的垂直积分投影分析得到眼睛睁闭状态的方法,进而计算PERCLOS和EBN,对驾驶员的精神状态进行检测;通过定位人脸以缩小眼睛的搜索区域,不仅可以提高眼睛的检测率,还可提高检测速度;在Visual Studio2012和Opencv 2.4.4中对该系统进行仿真,验证了其有效性和实时性.