汽车驾驶员疲劳驾驶预警装置设计及实验研究

论文摘要

根据德国一家汽车市场预测机构的统计,2010年全球汽车保有量已经突破10亿辆,而且未来7年还要增长20%。随着车辆的与日俱增,交通安全越来越受到人们的重视。据世界卫生组织公布的数据显示,世界每年因交通事故死亡的人数超过120万。疲劳驾驶是造成交通事故的三大因素之一,每年因疲劳驾驶造成的事故约占事故总数25%30%。为了减少因疲劳驾驶造成的人员伤亡和财产损失,现在很多国家已经开始了对驾驶员疲劳驾驶的研究。本课题的主要目标是开发一套具有实用价值的汽车驾驶员疲劳驾驶预警装置。通过对国内外各种疲劳驾驶检测方法的比较,同时结合汽车驾驶员驾驶时的特点和规律,选用利用模式识别和图像处理技术来分析驾驶员眼睛状态的疲劳检测和识别算法,并将该算法移植到以Digital Signal Processing（简称DSP）芯片为核心的硬件平台上。开发的装置要求能够满足车载疲劳驾驶预警系统对实时、非接触的基本要求。本文选用目前比较热门的MB-LBP（Multi-block Local Binary Pattern）特征描述人脸和人眼,该特征具有噪声敏感度小的优点。选用Adaboost算法家族中性能最为优异的Gentle adaboost算法来训练人脸检测和人眼定位分类器。通过训练挑选出检测率高的弱分类器,再将选出的弱分类器按照权重组成强分类器,进而形成级联分类器。最终经过反复实验、调整参数,在PC机上运行获得较高的人眼检测率。使用TI公司为DSP程序移植专门开发的软件CCS3.1将开发的人脸检测和人眼定位算法移植到以DSP为核心的DM642开发板中。在移植过程中运用多种优化手段来简化程序,使得检测的速度达到实时检测的要求。完成算法的开发和程序移植后,分别建立以PC机和DSP为基础的实验平台,对算法的正确性和实时性进行分析。通过实验,使得本文所研究的算法能够基本上达到预期目的。检测算法在PC机仿真与硬件平台仿真中都实现了较好的检测效果,在DM642开发板的基础上,设计整个装置的电路及PCB板,研发出一套能够移植到到汽车上使用的疲劳驾驶预警装置。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题背景和研究目的
• 1.2 疲劳驾驶的国内外研究现状
• 1.2.1 疲劳驾驶的主要检测原理
• 1.2.2 国外典型疲劳驾驶检测系统
• 1.2.3 国内疲劳驾驶研究现状
• 1.3 本文主要研究内容
• 第2章 基于Gentle adaboost 算法的人脸和人眼检测
• 2.1 Adaboost 算法
• 2.2 本文采用的Gentle adaboost 算法
• 2.2.1 Gentle adaboost 弱分类器
• 2.2.2 Gentle adaboost 算法训练强分类器过程
• 2.2.3 强分类器分类性能评价方法
• 2.3 本章小结
• 第3章 MB-LBP 特征在人脸和人眼检测中的应用
• 3.1 Haar 特征介绍
• 3.2 利用积分图计算特征值
• 3.3 级联分类器
• 3.4 MB-LBP 特征
• 3.4.1 LBP 特征的计算方法
• 3.4.2 MB-LBP 特征的编码方式
• 3.4.3 MB-LBP 特征与Haar 特征的比较
• 3.5 本章小结
• 第4章 驾驶员疲劳驾驶预警装置软件系统设计
• 4.1 人脸样本库的建立
• 4.2 人脸图像的积分图程序设计
• 4.3 使用MB-LBP 特征构建弱分类器
• 4.4 人脸和人眼级联分类器
• 4.5 人眼状态具体检测过程
• 4.6 本章小结
• 第5章 疲劳驾驶预警装置的硬件开发和实验研究
• 5.1 基于DSP 的硬件实验平台及算法移植
• 5.1.1 疲劳驾驶预警装置硬件系统核心芯片的选用
• 5.1.2 检测算法移植调试软件-CCS
• 5.1.3 DSP/BIOS 嵌入式系统
• 5.1.4 硬件仿真与数据交换
• 5.1.5 检测算法的移植
• 5.2 分类器对静态人脸图片的识别性能实验研究
• 5.2.1 基于Adaboost 算法的Haar 特征分类器检测效果
• 5.2.2 基于Fast adaboost 算法的Haar 特征分类器检测效果
• 5.2.3 基于Gentle adaboost 算法的MB-LBP 特征分类器检测效果
• 5.2.4 分类器性能实验结果对比
• 5.2.5 软件系统的改进
• 5.3 疲劳驾驶预警装置硬件系统设计
• 5.4 基于视频和实车的实验研究
• 5.5 本章小结
• 结论
• 参考文献
• 致谢