基于dsp的駕駛員疲勞度實時監(jiān)測系統(tǒng)的研究

《基于dsp的駕駛員疲勞度實時監(jiān)測系統(tǒng)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、武漢理T大學碩士學何論文摘要有資料表明，高速公路發(fā)生的交通事故中，有50％以上由于長時問疲勞駕駛或所見目標單調(diào)使司機注意力不集中、甚至打瞌睡等原因造成的。為減少這方面的事故，對駕駛員監(jiān)測技術(shù)的研究越來越多，主要集中在三個方面的研究：基于駕駛員個體特性的監(jiān)測方法，基于駕駛員生理參數(shù)測量的監(jiān)測方法和基于車輛參數(shù)的監(jiān)測方法。后兩種方法需要一些電線或電極接觸駕駛員身體不受駕駛員歡迎，或者是受車輛的類型，駕駛員的駕駛經(jīng)驗和駕駛條件等限制。前一種方法是無接觸式的監(jiān)測方法，美國OfficeofMotorCarrier

2、ResearcherandStandards實驗表明一種改進的PERCLOS算法來檢測疲勞，運用此算法可以在駕駛員出現(xiàn)在事故前至少2—3分鐘給以暗示。實驗表明這種方法相對于其它方法具有很好的實用性和可靠性。根據(jù)這種特點，本文設(shè)計了一個駕駛員疲勞度實時監(jiān)測系統(tǒng)，基于DSPTMS320C6416芯片上進行算法處理，采用紅外線CCD攝像頭采集圖像信息，可以不受光線、背景的干擾實時而有效地監(jiān)測駕駛員疲勞時的眼部狀態(tài)。眼睛的精確定位是實現(xiàn)本算法的關(guān)鍵?，F(xiàn)在一般用到小波變換和神經(jīng)網(wǎng)絡(luò)等算法來對眼部定位。但是這些算法

3、具有計算量大和難以實現(xiàn)的缺點，本系統(tǒng)采用了定位效果好，而且計算量相對小和易于實現(xiàn)的定位眼睛算法，主要有積分投影，模板匹配，圖像分割，Hough變換等來實現(xiàn)眼睛定位。首先確定駕駛員的頭部，人臉位置。然后利用人臉器官構(gòu)造的先驗知識、面部圖像灰度分布的峰谷和頻率特性粗略檢測出眼睛、鼻子、嘴、下巴的大致區(qū)域和一些關(guān)鍵的特征點，利用這些信息對眼睛的位置進行粗略的估算，最后在此信息基礎(chǔ)上進行二次信息提取，來精確定位眼睛的位置，找出眼瞼開合的幅度計算出V倡(眼睛垂直高度和瞳孔直徑的比例的值)，統(tǒng)計每分鐘眼睛的V／H值

4、，然后判決是駕駛員是否疲勞。實驗結(jié)果證明，系統(tǒng)運用此算法可以有效的跟蹤和檢測眼睛狀態(tài)，在駕駛員疲勞時給出報警信號。關(guān)鍵詞：疲勞度檢測眼睛定位HOUGH變換DSPTMS320C6416武漢理工大學碩士學位論文AbstractItISstatisticthatover50％intrafficaccidentcausedirlthruwayareresultfromdrowsinessandabsence，evennapbecauseoflongtimedriving．Drowsydriverdetectio

5、nmethodsCallformthebasisofasystemtopotentiallyreduceaccidentsrelatedtodrowsydriving．Drowsydriverdetectionmethodsmainlycentralizeonthethreeaspects：basedOilcharacterofdriver；basedonphysiologicalparameterofdrive；basedoncharacterofvehicle，However,thelasttwoo

6、fmethodsaretoorestrictedtovehicleorexperienceandperformanceofdrive，orareinvasiveforthedriver．Office&MotorCarrierResearcherandStandardsinvestigatethepotentialofaneyetrackingsystemfordetectingreduceddriveralertness，andtodeterminetheimpactofpreventativenapp

7、ingondriveralertnessandperformance．Partialeyeclosuresduringfixations，measuredastheratioofverticaltohorizontalpupildiameter(Ⅷ)，usedasameasureof出owsiness-detectioneffectively,TheresultsshowthisparameteriSparticularlyimpressiveasanindicatorofdegradedalertne

8、ssatleast2to3minutesbeforeallaccidentandlikelyasmuchas10tO12minutesbeforeanaccident．Accordingtoit，Idesignasystemforreal-timedetectingfatigueofdriver．UsinganinfraredCCDcamerato仃ackthedriver．thesystembasedonDSPTMS32064l6cane