基于计算机视觉的疲劳驾驶检测系统设计与多特征融合预警.docxVIP

PAGE2

基于计算机视觉的疲劳驾驶检测系统设计与多特征融合预警

摘要

随着机动车保有量持续增长，疲劳驾驶已成为引发交通事故的主要原因之一。据统计，约20%的严重交通事故与驾驶员疲劳状态直接相关，其危害性不亚于酒驾。传统的疲劳检测方法依赖接触式生理传感器或车辆行为分析，存在侵入性强、准确率低或环境适应性差等不足。本课题以计算机视觉技术为核心，设计并实现一套非侵入式、实时性强的疲劳驾驶检测系统，融合驾驶员眼部与嘴部多维度特征，构建分级预警机制。

本文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先，通过文献调研与需求分析，明确系统功能指标与非功能需求；其次，设计包含视频采集、人脸检测、特征提取、疲劳判定与预警输出的总体架构，并划分为图像预处理、人脸关键点检测、眼部状态分析、嘴部状态分析及多特征融合决策五个核心模块；随后，对各模块算法进行详细设计，重点给出基于EAR（EyeAspectRatio）的眼部闭合检测、基于MAR（MouthAspectRatio）的哈欠检测以及基于PERCLOS与打哈欠频率的融合预警策略；最后，在Python环境下利用OpenCV与Dlib库实现系统，并通过多场景测试验证。系统创新点在于提出一种自适应阈值的双特征联合判定方法，能够在戴眼镜、不同光照等复杂条件下保持较高识别准确率，同时兼具低成本与易部署优势。测试结果表明，