基于OpenCV的疲劳驾驶预警系统

文档字数:11194,页数:39

基于OpenCV的疲劳驾驶预警系统

摘  要

 目前，随着我国人民生活水平的不断提高，汽车已经走进了千家万户，成为人们日常出行的一种重要的交通工具，交通事故也随之增多。造成交通事故频频发生的重要原因是由于司机的疲劳驾驶。因此，针对疲劳驾驶方面的研究具有极大的科研价值与设计意义。
 系统设计思路是采用OpenCV开源的视频图像处理库，使用摄像头采集视频图像，对输入图像做预处理(图像灰度化、中值滤波等)；通过学习训练的方法构造基于类Haar特征的层叠式分类器，利用基于类Haar特征的层叠式分类器从输入图像中直接定位人眼；把人眼部分的图像截取出来，二值化人眼图像；然后计算二值化图像中垂直方向上瞳孔的宽度大小，从而判断眼睛的状态；最后通过多次的捕捉,计算眼睛闭合的频率来得出其疲劳状态。
关键词：疲劳驾驶 OpenCV 类Haar层叠式分类器 图像处理 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  录
 
摘  要 I
ABSTRACT II
1 前言 1
1.1选题背景 1
1.2驾驶人疲劳状态监测方法分析 1
1.2.1基于驾驶人生理信号的检测方法 1
1.2.2基于驾驶人生理反应特征的检测方法 2
1.2.3基于驾驶人操作行为的检测方法 2
1.2.4基于车辆状态信息的检测方法 2
1.3选题目标 3
1.4需求分析 3
1.4.1用户需求分析 3
1.4.2功能需求分析 3
1.5本章小结 4
2 OpenCV介绍 5
2.1 OpenCV背景介绍 5
2.2 OpenCV应用领域及特点 5
2.3 OpenCV在Visual Studio 2005下安装与配置 5
2.3.1 OpenCV的安装 5
2.3.2 Visual Studio 2005的安装 8
2.4 本章小结 11
3 系统方案 12
3.1系统总体方案 12
3.2系统主要功能 13
3.3系统实现原理 14
3.4本章小结 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特征分类器训练生成XML步骤 17
4.3.1 采集样本 17
4.3.2创立样本VEC文件 18
4.3.3训练生成XML 19
4.4 本章小结 20
5 详细设计 21
5.1程序流程图 21
5.2 软件设计 22
5.2.1 获取图像 22
5.2.2 眼睛定位 22
5.2.3 计算眼睛的高度 23
5.2.4报警模块 24
5.2.5 GUI设计 24
5.3 本章小结 25
6 系统测试 26
6.1人脸定位及眼睛定位测试 26
6.2系统测试结果 27
6.3本章小结 29
7 文档总结 30
参考文献 31
附  录 32
谢  辞 34

相关论文