论文部分内容阅读
据国际海事组织统计表明,海员疲劳值班已经成为船舶航行潜在危险因素,80%以上的海上交通事故与疲劳值班有间接或直接的关系。虽然,目前有多种不同的驾驶员疲劳检测方法和技术,但主要针对机舱值班人员站姿或坐姿、走动或坐立的状态进行监测。本文提出通过检测机舱值班人员的脸眼状态来判断其疲劳状态。首先本文利用训练好的AdaBoost算法结合Haar-Like特征对机舱值班人员的人脸进行定位,在此基础上,采用改进的AdaBoost算法对人眼进行定位。最终,利用改进的PERCLOS准则对机舱值班人员的疲劳状态进行监测。本文主要的研究内容分为以下两个方面:(1)采用结合Haar-Like特征值的AdaBoost算法对机舱值班人员进行人脸识别;同时,在检测到人脸的基础上,利用改进的AdaBoost算法进行人眼的精确识别。研究结果表明:与传统的模板匹配算法相比,该算法能够更加准确的识别出人脸和人眼位置。(2)提出采用改进的PERCLOS疲劳判定准则,即单位时间内眼睛翻转次数占总帧数比值的方法对机舱值班人员的疲劳状态进行监测。计算结果表明.:在对机舱值班人员模拟值班工作视频中,每隔一秒获取一帧人脸图像对值班人员进行脸眼识别,通过识别值班人员人眼状态,计算出改进的PERCLOS值为20%,最终判定为清醒状态,这与其设定实际状态一致。本文提出的目标识别算法能够迅速定位人脸,并且能够继续迅速定位眼睛位置并识别出眼睛的状态,具有运算量少,实时,快捷等优点,可有效监测值班人员疲劳状态,对于提高海上航行安全有着重要的现实意义。