随着国家交通运输行业的不断发展进步,交通事故也在逐日增加。在引发交通事故的各项因素中,疲劳驾驶所占比重越来越大。为了降低交通事故次数,保证驾驶员和行人的生命安全,开展驾驶员疲劳状态自动检测研究具有重要现实意义。本文基于机器视觉原理,首先实现了Adaboost和主动性状模型(ASM)相结合的驾驶员疲劳检测软件系统。然后为了提升疲劳检测的稳健性做了两方面的改进:一方面使系统可以适应驾驶员姿态和环境光照因素等影响;另一方面将Perclos算法、眨眼频率、打哈欠频率和持续闭眼时间等指标结合起来综合判定驾驶员的疲劳状态。具体研究工作阐述如下:(1)基于Adaboost和主动性状模型相结合的驾驶员疲劳检测软件系统研制人眼定位是驾驶员疲劳检测中的关键一环。为了提升人眼定位的准确性,本文结合Adaboost算法和主动性状模型(ASM)各自的优势,并以上述两个算法为核心,基于Open CV平台研制开发了一套驾驶员疲劳检测软件系统。系统首先将采集到的人脸图像进行Adaboost人脸检测,然后将检测到的人脸区域位置信息传递给ASM算法,作为匹配域的初始化位置,在匹配完成后即可得到准确的人眼位置。大量模拟实验结果表明,该软件系统能顺利进行疲劳驾驶状态检测,驾驶员图像采集及预处理、人脸检测、人眼定位、疲劳驾驶状态判定等各项功能齐备,人眼定位准确率高。(2)适应驾驶员姿态及环境光照等因素影响的疲劳驾驶稳健检测算法研究传统的疲劳驾驶检测系统往往没有考虑驾驶员的姿态变化以及环境光照等因素的影响。本文从这两点出发,设计出一种更加稳健的疲劳驾驶检测算法。在Adaboost和ASM相结合的人眼定位基础上,算法首先通过归一化人脸图像并且在检测不到人脸的情形下进行旋转等手段,使检测系统可以适应驾驶过程中经常出现的驾驶员偏头情形;其次通过补充人脸训练样本和引入直方图均衡等手段,使其可以更好的适应驾驶中出现的各种光照环境。对模拟视频进行检测实验,结果表明稳健检测算法可以更准确定位人眼的位置。不仅可以有效的适应偏头情况,并且可以消除光照因素的影响,提升了检测系统的稳健性。(3)Perclos算法与眨眼频率、打哈欠频率和持续闭眼时间相结合的综合疲劳驾驶状态判定针对Perclos算法在疲劳状态判定时的局限性,本文提出将眨眼频率、打哈欠频率和持续闭眼时间等也一并作为判断驾驶员疲劳状态的标准。系统首先通过人眼闭合程度计算Perclos值,并且与此同时计算驾驶员眨眼频率、打哈欠频率和持续闭眼时间。无论Perclos值如何,如果眨眼频率过高或过低,则判定为眼睛异常或者神游;如果打哈欠频率过高,则判定为疲劳;如果持续闭眼时间超过3秒,则判定驾驶员处于危险驾驶状态。利用这四个指标对驾驶员进行疲劳驾驶状态综合判定,提高了判定的准确性,使得该检测系统更加稳健。最后在真实驾驶环境下开展疲劳检测判定实验,结果表明上述综合性判定可以准确有效判断出驾驶员的真实疲劳状态。