基于OpenCV的疲勞駕駛預警系統

論文字數:11194,頁數:39

基于OpenCV的疲勞駕駛預警系統

摘  要

 目前，隨著我國人民生活水平的不斷提高，汽車已經走進了千家萬戶，成為人們日常出行的一種重要的交通工具，交通事故也隨之增多。造成交通事故頻頻發生的重要原因是由于司機的疲勞駕駛。因此，針對疲勞駕駛方面的研究具有極大的科研價值與設計意義。
 系統設計思路是采用OpenCV開源的視頻圖像處理庫，使用攝像頭采集視頻圖像，對輸入圖像做預處理(圖像灰度化、中值濾波等)；通過學習訓練的方法構造基于類Haar特征的層疊式分類器，利用基于類Haar特征的層疊式分類器從輸入圖像中直接定位人眼；把人眼部分的圖像截取出來，二值化人眼圖像；然后計算二值化圖像中垂直方向上瞳孔的寬度大小，從而判斷眼睛的狀態；最后通過多次的捕捉,計算眼睛閉合的頻率來得出其疲勞狀態。
關鍵詞：疲勞駕駛 OpenCV 類Haar層疊式分類器 圖像處理 眼睛定位

Driver Fatigue Early Warning System Based On OpenCV

ABSTRACT

 Now, with our continuous improvement of  living standards of people, cars have entered the household, become an important daily travel transport, traffic accidents also increase. Important cause frequent traffic accidents due to driver fatigue driving.Therefore, for fatigue driving has been a significant scientific value and design significance.
 Design of system is the use of open source video OpenCV image processing library, the use of video cameras capture images of the input image preprocessing (image graying, median filter, etc.)； constructed by learning the training class based on Haar features cascade classifier, using features of class-based Haar classifier cascade of images directly from the input locate the eye； to the human eye out of part of the image capture, binary eye images； and then calculate the binary image in the vertical directionThe width of the size of the pupil, in order to determine the state of eyes；Finally, many of the capture, calculation of the frequency of close to draw the eye fatigue state.
Key words：Fatigue driving  OpenCV  Haar classifier cascade class  Image Processing  Eye location

 目  錄
 
摘  要 I
ABSTRACT II
1 前言 1
1.1選題背景 1
1.2駕駛人疲勞狀態監測方法分析 1
1.2.1基于駕駛人生理信號的檢測方法 1
1.2.2基于駕駛人生理反應特征的檢測方法 2
1.2.3基于駕駛人操作行為的檢測方法 2
1.2.4基于車輛狀態信息的檢測方法 2
1.3選題目標 3
1.4需求分析 3
1.4.1用戶需求分析 3
1.4.2功能需求分析 3
1.5本章小結 4
2 OpenCV介紹 5
2.1 OpenCV背景介紹 5
2.2 OpenCV應用領域及特點 5
2.3 OpenCV在Visual Studio 2005下安裝與配置 5
2.3.1 OpenCV的安裝 5
2.3.2 Visual Studio 2005的安裝 8
2.4 本章小結 11
3 系統方案 12
3.1系統總體方案 12
3.2系統主要功能 13
3.3系統實現原理 14
3.4本章小結 14
4 算法分析 15
4.1 AdaBoost算法描述 15
4.2 眼睛定位算法 16
4.3 基于Haar特征分類器訓練生成XML步驟 17
4.3.1 采集樣本 17
4.3.2創立樣本VEC文件 18
4.3.3訓練生成XML 19
4.4 本章小結 20
5 詳細設計 21
5.1程序流程圖 21
5.2 軟件設計 22
5.2.1 獲取圖像 22
5.2.2 眼睛定位 22
5.2.3 計算眼睛的高度 23
5.2.4報警模塊 24
5.2.5 GUI設計 24
5.3 本章小結 25
6 系統測試 26
6.1人臉定位及眼睛定位測試 26
6.2系統測試結果 27
6.3本章小結 29
7 論文總結 30
參考文獻 31
附  錄 32
謝  辭 34