基于dm6437驾驶员疲劳检测技术的研究

《基于dm6437驾驶员疲劳检测技术的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨理工大学硕士学位论文基于DM6437的驾驶员疲劳检测技术研究姓名：于伏亮申请学位级别：硕士专业：@指导教师：宋立新201103哈尔滨理T大学T学硕lj学位论文基于DM6437的驾驶员疲劳检测技术研究摘要目前，疲劳驾驶已成为交通事故的重要诱因之一。统计数据表明，每年都有数以万计的人死于疲劳驾驶，可见驾驶疲劳对人们的生活造成了严重的影响，因此研究高性能的驾驶员疲劳实时检测与预警技术，对改善交通安全状况具有十分重要的意义。本文应用图像处理、模式识别等方面的知识，结合以人脸为检测主体的、在汲取目前被公认最有效的PERCLOS(Percentag

2、eofEyelidClosureOverthePupilOverTime，简称PERCLOS)方法原理的基础上改进的PER．NOFACE方法对驾驶员进行实时疲劳状态检测。本文主要工作如下：首先对驾驶员疲劳检测系统所用到的ICETEK．DM6437．B评估模块进行简单介绍，并对其软件体系架构以及基于DSP／BIOS的视频采集／显示应用程序的开发过程进行详尽的分析和阐释，为疲劳检测应用程序能在DM6437达芬奇处理器上实时地、有效地运行奠定了举实的基础。其次提出了基于彩色图像和基于红外狄度图像两种人脸检测方案。为了提高系统处理的实时性，首先对图像

3、进行缩小处理，然后分别通过建立的基于YCbCr颜色空问的肤色分割模型和基于红外灰度图像的二值化分割模型将驾驶员的人脸区域与背景区分丌来。然后分别使用这两种方案的人脸分割模型，结合图像缩放算法等图像处理算法以及人脸的几何结构特征方法对驾驶员进行人脸检测与定位。在人脸区域检测与定位的基础上，通过人脸区域面积阈值确定当前视频帧是否为疲劳帧，统计疲劳帧的总数进而计算PER—NOFACE值来判断驾驶员的状态。关键词ICETEK．DM6437．B评估模块；DSP／BIOS；人脸检测；疲劳检钡0；PER．NOFACE哈尔演理T人学T学硕Ij学位论丈Rese

4、archofDriver，sFatigueStateDetectionTechnologyBasedonDM6437AbstractCurrently,drivingfatiguehasbeenasignificantfactoroftrafficaccident．Statisticsshowthattrafficaccidentsalsoincreasedrapidly，itbecameathreattopeople’Slifesecurityaswellassocialorderandstability．Inordertoprotectt

5、hetrafficssecurityandtopreventtrafficaccidents，itisverynecessaryandmeaningfultoresearcheffectivewaystodetectdriverfatiguestatusandfatiguealarm．AnimprovedalgorithmisproposedbasedonthePERCLOS(PercentageofEyelidClosureOverthePupilOverTime，referredtoasPERCLOS)method，thehumanfac

6、elocationistakenasthemaindetectiontarget，andseveralsimpleandefficientimageprocessingandmoderecognitionalgorithmsarecombinedtorealizeit．ThemainworkiSasfollows：Firstly，theICETEK—DM6437一Bevaluatemoduleisintroducedsimply，thesoftwarearchitectureandapplicationdevelopmentprocessof

7、videoloopbackareanalyzedindetail，whichinordertoprocessingeffectivelyandinreal-timeonDM6437DaVinciprocessor．Secondly,twofacedetectionmethodsareproposedwhichbasedoncolorimageandinfraredgrayimagerespectively．Whenconsideringthereal—timerequirementsofsystem，imagesarediminishedfi

8、rstly，andthenthedriver’Sfaceregionaresegmentedfrombackgroundbasedonskincolorsegmen