基于MATLAB人脸检测的汽车疲劳驾驶检测

课题介绍

疲劳驾驶导致汽车交通事故逐年增加，为了提升驾车的安全性，需对驾驶员疲劳状态实时监测并及时提醒. 为了提高疲劳驾驶判断效率及准确率，本文运用Viola-Jones 框架特征矩阵进行人脸预判断；预判断过程中为了减少Haar 值计算量并提高人脸识别速度，采用Adaboost 算法和级联分析，剔除非人脸的Haar 特征值，实现快速人脸识别；根据色彩空间转化实现眼部分割处理，根据PERCLOS 值评估驾驶员是否处于疲劳状态并提前予以警示；通过MATLAB 仿真软件实现疲劳驾驶检测算法的仿真分析. 在多个样本的测试过程中，该方法有效识别出人脸，并能够准确监测驾驶员的疲劳状态.

1. 背景

随着交通工具的飞速发展，交通隐患也成为威胁人类安全的杀手之一，每年全世界至少有50 万人死于交通事故. 欧美各国的研究报告指出，交通事故的起因有接近90% 的因素是人为造成，其中在驾驶过程中由于疲劳引发的交通事故就有10 万多例. 由此得知，驾驶员的疲劳驾驶已经成为道路交通事故的主要原因之一. 因此，对疲劳驾驶实时监测的研究对安全行车以及驾驶员的生命财产安全具有一定的意义.

汽车疲劳驾驶的表现特征有很多方面，较为突出的特征就是驾驶员的面部特征，如嘴部和眼部的开度、头部偏移等直观现象可作为疲劳的判断条件. 利用图像处理手段对图像进行增强处理，消除因周围光线不佳造成的疲劳驾驶特征识别的干扰. 采用AdaBoost 的人脸检测算法对人脸关键部位进行跟踪， 根据人眼变化并结合 PER‐ CLOS 准则进行疲劳判定，仿真结果能准确实现对人脸关键部位的检测. 文献[5]对疲劳驾驶的判断考虑了人脸部位的变化和驾驶状态数据两个因素. 根据Dlib 库的人脸轮廓点提取计算眼部和嘴部开度比值，获取正常及疲劳状态特征，再采用改进后的随机森林模型对疲劳状态