基于人脸分析的驾驶员疲劳状态监控系统开题报告

1. 研究目的与意义

目前随着社会经济的不断发展，居民生活水平的提高，我国的汽车持有量逐年在不断增加，随之带来的安全问题也在很大程度上威胁着人们的生命财产安全，交通安全问题需要给予足够的重视，据统计，在每年的交通事故中，大约40%-60%的事故均是由疲劳驾驶所引起的，疲劳驾驶的严重后果和危害不容小视。疲劳驾驶，是指驾驶人在长时间连续行车后，产生生理机能和心理机能的失调，而在客观上出现驾驶技能下降的现象。司机出现疲劳后继续驾驶车辆，会感到困倦瞌睡，注意力不集中，判断能力下降，极易发生安全事故，因此对司机驾驶时的状态进行实时有效的监督便成为了迫切的需要。

疲劳驾驶已经日益引起各国的重视，在目前，已经有多种比较成熟的驾驶员疲劳驾驶检测技术。本课题基于face alignment的人脸标记对齐技术通过机器视觉技术，图像预处理手段，人工智能等技术自动跟踪定位人脸部分特征点的位置，来分析检测驾驶员是否处于安全的行驶状态，及时检测出驾驶员出现的疲劳状况，并发出预警，以此来保证行车的安全。

2. 研究内容和预期目标

目前的疲劳驾驶检测技术主要分为两大类，第一类是接触时检测，比如脑电，心电等，这些方法虽然能够准确获取实时的驾驶员的生理状况，但都需要在驾驶员的身上粘贴一些设备，极易给驾驶员带来不适感，其本身也在影响着驾驶员的驾驶及正常的驾驶疲劳表现；第二类是非接触式检测，主要是通过检测人眼，嘴巴，头部姿态等面部情况，如获取眨眼频率，眨眼闭合时间，嘴巴张开程度等信息来判断驾驶员的驾驶状态。

本课题意在通过分析驾驶员的实时图像，转化成灰度图像，排除非重要部分的干扰，分离出人脸的特征区域，对人脸区域建立坐标系，利用人脸标记对齐技术，跟踪定位人脸眼睛，嘴巴部位的特征点，来检测不同时刻特征点的相对位置，距离，以此来判断眼睛，嘴巴的状态。

初始采取驾驶员的图像时会受到诸多因素的干扰，如分辨率，系统噪声，外部光线，突变背景等因素，采取什么方法事先消除这些因素的干扰，获得几乎不受损的人脸图像是关键。

3. 研究的方法与步骤

1.初始获取驾驶员的行车状态图像时，采用优质像素的电荷耦合元件ccd摄像头采集驾驶员驾驶图像信息，在驾驶环境下采集的图像会受到如分辨率，外部光线，车内背景，系统噪音等因素的影响，因此要首先对原图像进行预处理，若原图像是rgb图像，则要首先转换类型，转变成为灰度图像，图像的预处理，其目的在于去除噪声，加强有用信息，对输入设备或其他因素造成的退化现象进行复原，可以采用滤波去噪，灰度变换，图像二值化，边缘检测，尺寸归一化，灰度归一化等常用方法。

2.对图像可通过不同的滤波算子进行滤波增强，采用锐化滤波，以此来强调图像被模糊的细节。

3.灰度图像直方图均衡化，均衡化后的图像更加清晰，而且比原直方图的形状更加理想，为提取人脸轮廓区域，接下来要进行边缘检测，边缘检测是图像分割，目标区域识别，区域形状提取等图像分析的重要基础，在matlab中可采用edge()函数来实现边缘检测，可采用sobel算子，canny算子，或者prewitt算子。

4. 参考文献

[1] 拉斐尔·c.冈萨雷斯, 理查德·e.伍兹. 数字图像处理（第三版）. 电子工业出版社，2017.

[2]张志涌，杨祖樱.matlab教程. 北京航空航天大学出版社.2015.

[3] 周志华.机器学习. 清华大学出版社，2016.

5. 计划与进度安排

2022/3/5～2022/3/11 查阅资料，分析实施方案； 2022/3/12～2022/3/31 完成算法原型理论分析； 2022/4/1～2022/4/30 完成人脸测试视频数据库构建； 2022/5/1～2022/5/31 完成软件系统开发与调试； 2022/6/1～2022/6/22 整理完善所有毕业设计文档资料，上交全部资料的打印稿，毕业设计答辩准备，参加毕业设计答辩。