因夜間疲勞駕駛引發(fā)的交通事故逐漸增多，為此下面文章在這個(gè)基礎(chǔ)上設(shè)計(jì)了適用于在夜間監(jiān)測(cè)駕駛員是否處于疲勞狀態(tài)的系統(tǒng)。主要原理是利用OPENCV軟件對(duì)得到的紅外圖像進(jìn)行人臉的檢測(cè)與識(shí)別，得到人臉的紅外圖像，從而判斷駕駛員是否處于疲勞狀態(tài)，如果處于疲勞狀態(tài)的情況下，系統(tǒng)就會(huì)報(bào)警提醒駕駛員注意采取措施，如果駕駛員并不處于駕駛疲勞的狀態(tài)，那么監(jiān)測(cè)系統(tǒng)將繼續(xù)檢測(cè)。

　　關(guān)鍵詞：紅外圖像,疲勞駕駛,人臉檢測(cè),灰度化,二值化,疲勞狀態(tài)判定

　　隨著汽車交通運(yùn)輸業(yè)的快速發(fā)展，我國(guó)機(jī)動(dòng)車的保有量不斷的上升，交通安全事故發(fā)生越來(lái)越嚴(yán)重，交通安全問(wèn)題已然成為一個(gè)嚴(yán)重的社會(huì)問(wèn)題。交通事故的發(fā)生給我國(guó)國(guó)家人民生命財(cái)產(chǎn)安全和國(guó)家財(cái)產(chǎn)帶來(lái)了非常大的損失，而且這些交通事故中很大一部分是駕駛員的人為因素造成的，其中就包涵了駕駛疲勞。

　　當(dāng)前來(lái)說(shuō)由于疲勞駕駛而引發(fā)的交通事故越來(lái)越多，而夜間是疲勞駕駛的高發(fā)時(shí)段。熱紅外的人臉圖像基本上受光照的影響很小，能夠在夜間準(zhǔn)確的反應(yīng)駕駛員的駕駛狀態(tài)。紅外成像系統(tǒng)并不和主動(dòng)紅外夜視儀一樣需要紅外光源，也不像微光夜視儀一樣需要借助夜天光，這種系統(tǒng)使依靠目標(biāo)和背景的輻射差產(chǎn)生的景物圖像。

　　熱紅外的人臉圖像基本上受光照的影響很小，能夠在夜間準(zhǔn)確的反應(yīng)駕駛員的駕駛狀態(tài)。針對(duì)得到的駕駛員臉部的紅外圖像，采用OpenCV中分類器對(duì)駕駛員臉部進(jìn)行識(shí)別，用到的算法就是AdaBoost算法。AdaBoost算法針對(duì)的是不同的訓(xùn)練集訓(xùn)練同一個(gè)分類器，然后把這些在不同的訓(xùn)練集上得到的分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終的分類器。理論證明，只要是每個(gè)弱分類器分類能力比隨機(jī)猜測(cè)的要好，當(dāng)其中個(gè)數(shù)趨向于無(wú)窮時(shí)，強(qiáng)分類器的出錯(cuò)率將趨于零。

　　針對(duì)得到的紅外圖像進(jìn)行灰度化、直方圖均衡化、中值濾波化、二值化等一系列的處理，得到人眼瞳孔當(dāng)中黑素像素的個(gè)數(shù)，將得到的個(gè)數(shù)與判定駕駛員駕駛疲勞時(shí)人眼瞳孔中黑色像素的個(gè)數(shù)相比較，如果大于設(shè)定的個(gè)數(shù)那么就可以判斷駕駛員處于疲勞駕駛狀態(tài)。

　　1基于OpenCV對(duì)紅外圖像進(jìn)行處理

　　人臉識(shí)別的研究一般分為三個(gè)部分：從比較復(fù)雜的場(chǎng)景中檢測(cè)出人臉位置，并且分離出來(lái);抽取出人臉識(shí)別的特征;然后再進(jìn)行人臉的匹配和識(shí)別。

　　2本文所采用的人臉檢測(cè)方法與圖像處理

　　本文所使用的人臉識(shí)別方法是基于OpenCV中的臉部分類器來(lái)實(shí)現(xiàn)，這種方法相對(duì)來(lái)說(shuō)簡(jiǎn)單易實(shí)現(xiàn)。對(duì)于拍攝到的紅外圖像借助OpenCV進(jìn)行人臉識(shí)別。針對(duì)得到的駕駛員臉部的紅外圖像，采用OpenCV中分類器對(duì)駕駛員臉部進(jìn)行識(shí)別，用到的算法就是AdaBoost算法。AdaBoost算法針對(duì)的是不同的訓(xùn)練集訓(xùn)練同一個(gè)分類器，然后把這些在不同的訓(xùn)練集上得到的分類器集合起來(lái)，構(gòu)成一個(gè)更強(qiáng)的最終的分類器。理論證明，只要是每個(gè)弱分類器分類能力比隨機(jī)猜測(cè)的要好，當(dāng)其中個(gè)數(shù)趨向于無(wú)窮時(shí)，強(qiáng)分類器的出錯(cuò)率將趨于零。

　　本系統(tǒng)檢測(cè)出人臉的位置后需要對(duì)檢測(cè)出的人臉圖像進(jìn)行灰度化的處理。為了加快圖像的處理速度進(jìn)行的圖像灰度化處理對(duì)圖像并沒有影響，而且灰度圖像上面得到的驗(yàn)證算法，很容易移植到彩色圖像上，依然能過(guò)反映整幅圖像的整體和局部的色度和亮度的等級(jí)的分布和特征。將圖像上所有點(diǎn)的灰度設(shè)置為0或者是255(也就是圖像的二值化處理)通過(guò)選取適當(dāng)?shù)拈撝祵?56個(gè)亮度等級(jí)的灰度圖像得到仍然可以反映圖像整體和局部特征的二值化圖像。

　　3程序?qū)崿F(xiàn)

　　借助OpenCV檢查已經(jīng)二值化的圖像中人眼瞳孔的黑色像素個(gè)數(shù)，如果黑色像素個(gè)數(shù)大于已經(jīng)設(shè)定好了的疲勞狀態(tài)下人眼瞳孔中黑色像素個(gè)數(shù)的話那么系統(tǒng)將會(huì)判斷駕駛員現(xiàn)在處于疲勞狀態(tài)，那么系統(tǒng)將會(huì)發(fā)出警告，提醒駕駛員及時(shí)采取相對(duì)應(yīng)的措施以保證駕駛安全。如果黑色像素個(gè)數(shù)不大于已經(jīng)設(shè)定好了的疲勞狀態(tài)下人眼瞳孔中黑色像素個(gè)數(shù)的話那么系統(tǒng)將繼續(xù)檢測(cè)。交通事故頻繁發(fā)生的主要原因之一是駕駛員的疲勞駕駛。基于機(jī)器視覺的夜間駕駛員疲勞檢測(cè)現(xiàn)在已經(jīng)成為了目前國(guó)家上正在展開研究開發(fā)的一種新型駕駛員駕駛疲勞的檢測(cè)方法。

　　以上文章是基于紅外圖像下夜間駕駛員疲勞檢測(cè)系統(tǒng)研究。借助OpenCV進(jìn)行人臉檢測(cè)與識(shí)別，對(duì)得到的人臉圖像進(jìn)行灰度化、直方圖均衡化、中值濾波化、二值化，然后對(duì)二值化以后的人臉瞳孔中黑色像素的個(gè)數(shù)進(jìn)行判斷，以此來(lái)檢測(cè)駕駛員是否處于疲勞駕駛狀態(tài)。

　　相關(guān)范文閱讀：刑法論叢刑法界定危險(xiǎn)駕駛犯罪行為

　　危險(xiǎn)駕駛犯罪行為在刑法上應(yīng)作廣義理解，是否應(yīng)當(dāng)以交通肇事罪進(jìn)行規(guī)范評(píng)價(jià)需要區(qū)別對(duì)待，特殊情形的完全昏醉和作為原因自由行為的危險(xiǎn)駕駛不屬于交通肇事罪的范疇。