基于支持向量机的疲劳驾驶检测方法研究

摘 要从宏观角度来看，疲劳驾驶检测能够有效规避各类交通事故的频发，切实保障驾驶者的生命安全。本篇论文，基于过去以驾驶者所表现出的眼睛状态为基础，而积极构建出的检测方法，融于头部姿态所涉及的基本特征，并使用遗传算法优化后的基于混合核函数的支持向量机进行疲劳驾驶判断。与传统的检测方法相比本文所用的方法根据有可靠性。其基本研究内容详细如下：1）本文旨在针对三种类型的典型色彩空间，进行相对深入的细致研究。与此同时，借助于现今可充分聚集肤色的备受青睐的 YCbCr 色彩空间检测图像当中的肤色部分。然后，使用 AdaBoost 算法在检测出的肤色部分进行面部检测，最后在检测出的面部部分使用 Harris 角点检测算法来进行眼睛的定位和眼睛状态检测。 唯有如此，才能尽可能在保持尤为迅猛检测速度的前提下，有效规避闭眼状态下相对于睫毛而产生的实际影响。2）本文旨在针对过去的支持向量机进行持续优化。通过将现有的 K 型核函数，和当前炙手可热的 logistic 型核函数之间进行紧密相连，将可产生某新型的混合核函数，此后，若将其应用于支持向量机当中，必将能够增强其学习和泛化能力。3）借助于遗传算法的作用，能够将上述支持向量机所涉及的基本参数，进行进一步的优化，从而帮助支持向量机达到更好的分类性能。4）将完成优化的支持向量机，融于现今的疲劳驾驶检测领域当中。相较于以往的疲劳检测方法而言，该方法不单单以眼睛状态为基准，而且还综合考量头部姿势，故而表现出更为显著的准确度以及良好的可信度。最后通过实验对比新旧两类支持向量机，基于疲劳状态下最终获得的检测效果，并在此基础上，以新型支持向量机为研究对象，研究遗传算法对其中所涉及的基本参数，是否表现出一定的优化作用，进行相对深入的综合对比。经由分析得知，本文所选择的混合核支持向量机的效果明显好于传统的单核核函数的支持向量机，且经过参数优化后的混合核函数支持向量机的疲劳检测效果要好于未进行参数优化的混合核函数支持向量机。关键词：疲劳驾驶；支持向量机；头部姿态估计；参数优化 ABSTRACTFatigue driving test can prevent the occurrence of some traffic accidents and protect the safety of life and property of drivers and pedestrians. In this paper, based on the traditional detection method based on the driver's eye state, the characteristics of the he...