基于视觉的疲劳驾驶检测.pdfVIP

基于视觉的疲劳驾驶检测 张笑非1 邬正义1,2谈正1，2 (西安交通大学电子与信息工程学院，陕西省西安市，710049) 2(常熟理工学院信息与控制工程系，江苏省常熟市，215500) 摘要：本文提出了一种基于机器视觉的疲劳驾驶检测系统。首先检测人脸，然后对头部进行 跟踪。在可靠人脸的基础上，定位并且跟踪眼睛，提取眼角与眼睑特征。通过对眼睛及头部 状态的疲劳检测来决定是否触发警告。实验证明系统具有一定的可靠性与准确性。 关键词：人脸检测；头部跟踪；眼角提取；疲劳检测 1．引言 据相关资料显示，许多交通事故是由于驾驶员疲劳驾驶造成的，因此疲劳检测技术具 有现实的应用价值。疲劳能引起人体的众多指标发生改变，所以检测的手段也是多种多样 的。美国研制的PERCLOS系统，通过测量单位时间内眼睛闭合的时间占总时间的比例来 判断是否打瞌睡。它采用了红外线跟踪眼睛的技术，使用了两台摄像机，而ZhiweiZhu 等【11使用了一台摄像机也达到了较好的效果。瞳孔测量计是根据瞳孔的变化关系来评测疲 劳度，目前因无法在工作环境下测量而还停留在实验阶段。EEG测量困倦非常准确，能够 通过脑电图的走势判断疲劳程度，但需要在头部放置专用传感器，故实际应用推广不便。 本文提出了在普通摄像机对人头肩图像的监视的基础上，通过分析眼睛状态等因素，来实 时分析驾驶员疲劳状态的综合方法，实验证明本方法的合理及有效性。 2．算法流程 系统算法如图1所示。程序包括两种状态：初始状态与跟踪状态。算法启动时，系统处 于“初始状态”。疲劳判定机制将综合单位时间内眼睛状态和头部动作给出驾驶员疲劳与否 的判决。如果满足疲劳条件，则立即触发警报系统。反之，则系统关闭警报并继续检测。 图1算法流程 52 第一部分第十四届全国多媒体技术学术会议 3．人脸检测与头部跟踪 本算法正确运行的条件是：(1)视频中头肩为主要部分；(2)采集的图像为RGB类型。 首先采用经我们反复实验得到的肤色模型，来对图像中的肤色区进行筛选。由于肤色在色 度空间(Cr，Co)分布较为集中，受光照变化的影响较小[21，利用色度信息和肤色模型来 提取肤色区域是可行的，并有相当的鲁棒性。在得到可能的肤色区域后(图2(b))，还需经 过形态学处理，排除空洞和噪声等因素的影响，从而得到人脸候选区域集台(图2(c))。 ∽输入图像 嘞肤色区域 fc)赊去空洞、噪声 d)灰度谷图像(c)各国像二值比盯)候选眼对 (g)最终人脸 图2人脸检测流程 候选区的人脸还需验证，为此，我们对人脸区域集台作谷运算”J： 定义见式(1)、式 它对应于二值形态 (2)、式(3)、式(4)，式中F(x，力代表图像，6U，力为结构元函数 学中的结构元素。 灰度腐蚀： (1) (FOG)(x，Y)=inf(v∈R卜_G+v≥F) 灰度膨胀： (2) (FOG)@，Y)=sup(v∈月lG+v≤F) 灰度闭运算： (F·G)=(FoG)oG (3) 灰度谷算子： G—F (4) V(F)=F 经过上述运算后可得到灰度谷图像(图2(d))，进行二值化处理(图2(e))。任意两个 点均可构成一对眼睛，对谷点加以大小的约束并对谷点对加以位置角度的约束后，得到候 选眼睛对(图2(f))。根据每对候选的眼睛位置生成入脸假设，将假设入脸分为上下左右四 部分，利用人脸的先