MATLAB人脸识别在驾驶员疲劳检测

MATLAB人脸识别在驾驶员疲劳检测中的应用研究

【关键词】MATLAB人脸识别 驾驶员疲劳检测 应用

伴随着社会经济的发展

1 MATLAB人脸识别技术分析

基于MATLAB平台的编程运算系统用于人脸识别工作流程的设计与实现中，在这一过程中主要涉及以下几个关键环节：首先是人脸图像的获取阶段，在此之前需要先对样本图像进行采集；随后是图像预处理阶段，在这一阶段主要完成了人脸检测与定位的任务；接着是对人脸图像进行归一化处理的工作步骤；在此基础上完成人脸特征提取并实现身份验证或识别功能；与此同时，在整个系统设计中还应用了Adaboost算法、LBP算法以及LDA算法等多个人脸识别方法来提高系统的识别准确率和鲁棒性。这些算法经过训练后能够生成具有代表性的特征脸模板以及平均脸模板；最后在系统运行时会根据预先设定好的程序规则对输入的人脸图像进行分析判断并输出相应的识别结果。

2 MATLAB人脸识别在驾驶员疲劳检测中的应用

在驾驶员疲劳检测过程中，采用MATLAB人脸识别技术时需要运用基于Haar特征的人脸识别算法。具体而言，在完成驾驶员人脸图像检测后，在此基础上运用Gabor滤波器及梯度增强边缘信息等方法对图像进行预处理；接着通过形态学操作与二值化处理来确定司机眼部及面部表情的关键部位；然后应用支持向量机（SVM）构建线性分类模型来判定眼部动作；同时还需要根据口部动作的变化情况来推断司机的情绪状态；最后通过对司机的眼动与面部位置的变化情况进行长期数据积累统计分析，在综合判定其眼动、面部表情及头部姿态的基础上即可准确评估其驾驶疲劳程度。

2.1 驾驶员眼睛定位及状态判别

为了确定驾驶员的眼睛位置，在判断驾驶员眼睛位置时

2.2 驾驶员嘴部定位及状态判别

在确定驾驶员嘴部位置时，同样可以通过分析面部几何特性和边缘信息来确定嘴部位置。与眼睛不同的是，在获取边缘信息方面更为复杂：不仅需要通过滤波器增强边缘信息本身，还需将滤波后的图像与原梯度图像叠加以获得完整的边缘信息。在增强图像信息后，则可通过几何特征实现嘴部的粗略定位，并结合二值化处理和形态学处理对目标区域进行精确分割。在判定口态状态时，则需对口面积及宽高比进行分析以判断开口情况：此时应设定口面积阈值样本 T1 和宽高比阈值样本 T2，并根据目标图像的像素数量与阈值样本的关系来判断开口状态：例如，在像素数量介于 T2 和 T1 之间时，则可判定为开口状态

2.3 驾驶员头部定位及疲劳状态判别

判断驾驶员头部位置时,可以通过观察眼睛垂直方向的变化来判断头部运动的状态.人在打盹或嗜睡时,头部会连续偏离超过4帧.因此,当驾驶员头部位置连续偏离正常阈值达3帧以上时,就可以判定其出现嗜睡情况.确定完头部运动情况后,需建立一个模糊逻辑系统,并对驾驶员的眼睛、嘴部和头部的位置及状态进行持续监测.系统将根据眨眼频率、闭眼持续时间、哈欠频率以及睡眠深度四个指标,并通过预设的模糊关系对疲劳参数进行综合评价.最终可得出如下结论:当所有输入参数数值较低时,驾驶员始终处于清醒状态;若除眨眼频率外其他参数值较低,则表明驾驶员正从嗜睡状态开始；当除去嗜睡频率而其他参数值较高时,表明驾驶员已处于轻度疲劳状态；若所有输入参数均较高,则认定驾驶员处于重度疲劳状态.

3 结论

就驾驶员疲劳检测而言，在这一领域采用MATLAB人脸识别技术具有精确识别驾驶员疲劳状态的能力，并能有效满足了驾驶员 fatigue warning的需求。鉴于此,随着相关技术的进一步发展,该技术有望在这一领域获得更为广泛的部署

参考文献

苏晓娜教授与李晓明博士合著的一篇题为《基于人脸检测和眼睛定位技术的驾驶员疲劳监测系统设计》的研究文章发表于《科学技术与工程》期刊上。该文章详细探讨了如何利用先进的人脸识别算法结合眼动追踪技术来实现驾驶员状态的有效评估机制，并通过实验验证了该系统的可行性与可靠性

[2]周云鹏、朱青、王耀南等.基于面部多维度特征综合的驾驶员疲劳状态检测方案[J].电子测量与仪器学报, 2014, 10(28): 140-148.

[2]周云鹏、朱青、王耀南等.基于面部多维度特征综合的驾驶员疲劳状态检测方案[J].电子测量与仪器学报, 2014, 10(28): 140-148.

[3]蔡静, 程雷, 王晓霞.基于Kinect系统的疲劳驾驶行为全程监控研究[J].计算机工程与应用技术, 2015, 12(37): 第379至第385页.