【正文】 因為人不說話時，偶爾也會張 開 嘴，而且人在說話時嘴也是時張時閉。 疲勞駕駛嘴的特征分析 駕駛員頻繁地處于打哈欠狀態(tài)時，很可能處于疲勞駕駛狀態(tài)。 又由于亞洲人的平均瞳孔直徑是 ~4 mm，按照 P80 的標準來計算，當瞳孔遮蔽為 80%時，就認為人眼閉合，那么計算出來的閉合度為 %~%，所以取 89%，當閉合百分比大于 89%時就認為眼睛處于閉合狀態(tài)。 美國國家公路交通安全局對該方法作了實驗，實驗結果表明該方法中的P80 與疲勞發(fā)展程度的相關性較好，其他研究人員也得出了類似的結論。 根據(jù) 眼睛閉合時間的長短與疲勞程度之間有著密切關系，駕駛員眼睛閉合的時間越長，疲勞程度越嚴重 的現(xiàn)象 。 所以在本文中將會從眼睛和嘴部這兩個人臉中比較容易檢測到器官進第 2 章 疲勞分析和疲勞檢測 9 行疲勞特征的分析，疲勞判定研究，但是在最后還會進行兩種疲勞檢測方法的綜合。這兩種駕駛員狀態(tài)很容易導致交通事故。 這些特征是明顯的，也是可以被檢測到的， 駕駛員精力充沛時，眼睛睜開；進入輕度疲勞時，眼睛睜開變小；特別疲勞以至于睡眠時，眼睛 經(jīng)常 會出現(xiàn) 完全合上 的狀況 。疲勞的表現(xiàn)可分為身體癥狀、精神癥狀和神經(jīng)癥狀。 本文主要研究內容 本文的主要研究內容是基于人臉識別的疲勞駕車檢測，首先要分析人臉第 1 章 緒論 7 上各器官與疲勞駕駛有關的特征，然后設計一種有效的疲勞分析方法，最后應用 ASM模型設計對人臉 進行識別的方法。第三階段是自動識別階段，近幾年的人臉模式識別方法，隨著計算機計算速度的加快，有了較大的突破，幾種全自動機器識別系統(tǒng)已經(jīng)被應用。但是為了提高臉部識別率，操作人員的操作貫穿于整個識別過程，而并未采用自動識別系統(tǒng)進行操作。但是，目前國內的研究水平仍低于國際水平，許多核心技術被國外大公司掌握。 我國在國家自然科學基金和 863計劃等資助下，清華大學、哈工大、中第 1 章 緒論 6 科院、南京理工大學，上海交大等很多單位展開了人臉識別技術的研究 [17]。目前，國外大學和研究機構已研制出一些較好的人臉識別系統(tǒng)。這一過程的核心是選擇適當?shù)娜四槺硎痉绞脚c匹配策略。這一任務主要受光照、噪聲、頭部傾斜度以及各種遮擋的影響。人臉的表情、姿態(tài)、發(fā)型以及化妝等多種影響因素都給識別帶來了困難。雖然在表情、年齡或發(fā)型等發(fā)生一些變化的情況下，人類仍可以毫不困難地確定出一個人的身份，但要建立一個能夠完全自動進行人臉識別的系統(tǒng)卻 是非常困難的。 基于啟發(fā)式模型的方法主要是通過抽取灰度、紋理、幾何形狀等特征進行檢測，以判斷其是否符合人臉特征。 通常情況下，我們對于彩色圖像的圖像處理，首先是在確定膚色模型之后，對膚色進行膚色像素檢測；然后在檢測出膚色像素后，按照膚色像素在空間上的相關性和色度上的相似性上，分割出可能存在的人臉區(qū)域，然后根據(jù)被測區(qū)域的灰度、幾何特征等參數(shù)，對是否是人臉進行判斷，以區(qū)分具有類似膚色的其他物體 。其實當人疲勞時，面部的疲勞特征是十分明顯的，若是能對面部特征進行監(jiān)測，則可以很好地對疲勞進行監(jiān)控。 車道偏離報警系統(tǒng) DAS2021。 該預警系統(tǒng)由澳大利亞人于 2021年設計和開發(fā)，主要是通過監(jiān)視駕駛員在行駛過程中頭部的位移情況來判斷其是否在打瞌睡 [9]。 2021年，日本先鋒公司開發(fā)出防止駕駛員開車打瞌睡 的系統(tǒng)。如果建立一套疲勞檢測系統(tǒng)能夠切實有效的工作，必定可以大大減少由疲勞駕駛所引起的交通事故，不但能減少人員傷亡，而且能避免因此產(chǎn)生的經(jīng)濟損失。 疲勞是有其可以識別的特征的。 近期關于疲勞特征，疲勞后的 主要現(xiàn)有 [7]： 反應時間顯著增長，注意力分散，判斷能力下降，主動性降低，注意力分配不均衡且轉移速度降低，經(jīng)常丟失重要的信息；感覺器官的功能減退或紊亂，如視覺模糊、聽力下降、判斷遲緩；駕駛動作不靈活，操作能力下降，節(jié)律失調；記憶和思考能力下降，判斷失誤增多；駕駛員的信心、決心、耐性和自我控制能力減退，缺乏堅持不懈的精神，易于激動、急躁和開快車； 過度疲勞會使駕駛員在行車途中產(chǎn)生困倦，甚至打瞌睡。法國國家警察總署事故報告表明，因疲勞瞌睡而發(fā)生的車禍，占人身傷害事故的％，占死亡事故的 ％。美國國家公路交通安全管理局也就是所謂的 NHTSA(NmionMHighway Traffic Safety Administration， NHTSA) [4]最近幾年的調查顯示：每年平均有 56000 起車禍與疲勞駕駛相關 [5]，造 成 76000 人第 1 章 緒論 2 受傷， 1544 人死亡 (占交通事故死亡總人數(shù)的 ％ )，調查還顯示有 27％ 的受訪者表示有過開車打磕睡的經(jīng)歷。我國因車禍喪生的人數(shù)，十幾年間己從每年 5 萬多人增長到 10 多萬人，是交通事故死亡人數(shù)居世界第二位國家的兩倍。據(jù)世界衛(wèi)生組織統(tǒng)計，全世界每年有 120 多萬人死于交通事故，數(shù)百萬人受傷或致殘。在所有的駕駛員錯誤中，最常見的是知覺延遲和決策錯誤，這些錯誤會產(chǎn)生注意力不集中、反映遲鈍、操作不當?shù)?，產(chǎn)生這些錯誤的根本原因就是駕駛 疲勞。 Active Shape models III 目 錄 摘要 ....................................................................................................................... I Abstract ................................................................................................................ II 第 1 章 緒論 ...................................................................................................... 1 課題背景和意義 .................................................................................. 1 研究現(xiàn)狀 .............................................................................................. 3 本文主要研究內容 .............................................................................. 6 第 2 章 疲勞分析和疲勞檢測 .......................................................................... 8 疲勞駕駛特征綜述 .............................................................................. 8 具體特征分析 ...................................................................................... 9 疲勞駕駛眼部特征分析 .............................................................. 9 疲勞駕駛嘴的特征分析 ............................................................ 10 原始數(shù)據(jù)的獲取 ........................................................................ 12 眼睛和嘴特征的綜合分析 ................................................................ 13 本章小結 ............................................................................................ 14 第 3 章 ASM 人臉識別算法 .......................................................................... 15 ASM 模型的定義 .............................................................................. 15 ASM 人臉識別的優(yōu)勢 ...................................................................... 15 ASM 搜索算法的特點 .............................................................. 15 幾種識別方式對比分析 ............................................................ 16 ASM 的模型建立 .............................................................................. 17 ASM 模型的搜索算法 ...................................................................... 19 流程設計思路 .................................................................................... 22 本章小結 ............................................................................................ 23 第 4 章 圖像處理和識別 ................................................................................ 24 圖像預處理的必要性 ........................................................................ 24 常用光照預處理技術 ........................................................................ 24 基于直方圖的預處理方法 ........................................................ 25 線性變換 .................................................................................... 25 對數(shù)變換 .................................................................................... 26 IV 指數(shù)變換 .................................................................................... 27 光照預處理方法選擇 ................................................................ 27 圖片選取策略 .................................................................................... 28 圖像手工描點的實現(xiàn) ........................................................................ 28 要確定的要素分析 .................................................................... 28 要素值的確定方法 .................................................................... 29 選點策略 ............................................................................................ 33 程序流程圖 ........................................................................................ 33 收斂過程和識別結果 ........................................................................ 34 本章 小