嵌入式系统嵌入式系统/ARM技术中的基于技术中的基于DSP处理器的疲劳驾驶状态检处理器的疲劳驾驶状态检
测系统的设计测系统的设计
随着科技的发展，机动车辆与日俱增，随之而来的人身安全越来越受到人们的关注。根据交通事故统计年鉴：
城市道路15-20%（高速公路60%以上）的汽车碰撞事故和驾驶疲劳有关，疲劳驾驶严重影响着驾驶员的警觉性
﹑应变性及安全驾驶能力。特别是铁路机车﹑长途客货运输﹑城市出租﹑公交车辆﹑工程特种车辆等各种汽车
安全隐患，均与疲劳驾驶密切相关。因此，许多国家都积极开展有关驾驶疲劳的研究工作，尤其在西方发达国
家。 表1中列出了几种疲劳状态检测的方法，并对性能进行了比较。通过比较可以发现，这几种方法中基于
身体反应的检测方法性能较好。PERCLOS（Percentage of Eyelid Closure Ti
随着科技的发展，机动车辆与日俱增，随之而来的人身安全越来越受到人们的关注。根据交通事故统计年鉴：城市道路
15-20%（高速公路60%以上）的汽车碰撞事故和驾驶疲劳有关，疲劳驾驶严重影响着驾驶员的警觉性﹑应变性及安全驾驶能
力。特别是铁路机车﹑长途客货运输﹑城市出租﹑公交车辆﹑工程特种车辆等各种汽车安全隐患，均与疲劳驾驶密切相关。因
此，许多国家都积极开展有关驾驶疲劳的研究工作，尤其在西方发达国家。
表1中列出了几种疲劳状态检测的方法，并对性能进行了比较。通过比较可以发现，这几种方法中基于身体反应的检测方
法性能较好。PERCLOS（Percentage of Eyelid Closure Time）是在单位时间内眼睛闭合时间所占的百分率。弗吉尼亚大学
的Walt Wierwille从20世纪70年代开始研究眼睛光学变量与疲劳的关系，研究表明与疲劳有关的主要因素有缺乏睡眠、瞳孔直
径、注目凝视、眼球快速转动、眉眼扫视、眨眼睛等，并且发现PERCLOS是最具潜力的疲劳测定方法之一，由PERCLOS得
出的数据可以真正反映驾驶疲劳，是对疲劳进行估价测定的最好方法。
通过摄像头获取司机的实时视频，获得驾驶员的视频图像后，利用图像处理与模式识别技术分析人脸特征图像信息，从图
像中找到驾驶员面部所在位置，检测出人眼并分析人眼状态（睁开或闭合），然后统计一定时间内眼睛闭合持续总时间，将其
与某固定阈值比较，以确定司机瞌睡与否。
1 人脸和人眼特征的检测人脸和人眼特征的检测
疲劳状态检测要准确地检测和跟踪眼睛的状态。采用先确定人脸区域，然后再在人脸区域内进一步检测、定位人眼的方
法，这样可以使得眼睛的检测与定位更加准确和快捷。眼睛的识别检测方法可分为基于统计和基于知识两种类型。基于统计的
方法将人脸和人眼图像视为一个多维向量，从而将人脸和人眼检测问题转化为多维空间中分布信号的检测问题；而基于知识的
方法则利用人脸和人眼特征知识建立若干规则，从而将人脸检测问题转化为假设和验证问题，例如人脸肤色和几何结构等。基
于知识建模的方法一般对建模的假设条件依赖性强，而基于统计的方法精度较高、鲁棒性强，但运算量大。驾驶室光照复杂多
变，振动环境也较复杂，选择基于统计的方法能更有效地进行检测。
Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合
起来，构成一个更强的最终分类器（强分类器）。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本
的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权值的新数据集送给下层分类器进行训
练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。使用adaboost分类器可以排除一些不必要的训练
数据特徵，并将关键放在关键的训练数据上面。
Paul Viola和Michael Jones于2001年提出机器学习领域分类精度较高并且识别速度快的Adaboost算法[5-6],Adaboost算法
是一种高效的迭代算法，在人眼的快速检测方面有着非常重要的应用。它针对同一个训练集训练出不同的弱分类器，然后把这
些弱分类器组成强分类器，进而形成级联分类器。训练方法描述如下：
评论0
最新资源