语音提示：当驾驶员处于疲劳状态时，系统会发出语音提示，提醒驾驶员注意休息
3.3系统实现原理
1、通过摄像头调用OpenCV视觉库的函数连续获取图片；
2、使用通过OpenCV自带的haar特征训练器生成的XML文件，定位眼睛并将其截取下来；
3、将截取下来的眼睛图像进行二值化处理；
4、通过扫描二值化图像的黑像素点，得到眼睛最高点与最低点的坐标，通过坐标差值计算出眼睛上下的高度值；
5、当检测到眼睛的高度值小于或等于设定的眼睛高度阈值，则记录下来，若连续五帧眼睛的高度值都小于或等于阈值，则系统判认为驾驶员是处于疲劳状态；
6、最后系统就会发出警报声，提醒驾驶员应当注意休息。
图3-2系统原理图3.4本章小结
本章主要介绍系统的总体方案、基于该方案进行了主要功能的设计以及分析本系统的实现原理。
4 算法分析
4.1 AdaBoost算法描述
AdaBoost算法的基本思想就是利用大量的分类能力一般的弱分类器(weak classifier)通过一定的方法叠加起来构成一个具有很强分类能力的强分类器( strong classifier)。最初的方法是限定每一层强分类器的个数,改进的方位为检测率和误检率的要求。一个弱分类器hj (x)包括以下三部分:矩形特征ƒj , 一个分类阈值θj 以及一个分类符号Pj。并且满足以下关系: (4-1)
矩形特征是AdaBoost算法中规定的几种标准的矩形模式,一般为二到三个矩形组成；分类阈值如式(1)所示是一个对所有矩形进行分类的特定值;分类符号则是和分类阈值配合对所有矩形分类的一个方向符号。强分类器的生成方式是以弱分类器的投票决定的,不停地向强分类器中加入弱分类器,这些弱分类器是经过选择的最优分类器,直到特定的需求得到满足为止,这个特定需求在原始的AdaBoost算法中是大于1/2,也就是说比猜测强就可以了,而在改进的AdaBoost算法中则是必须达到训练时指定的检测率和误检率为止。一个强分类器就可以对待检测区域进行判决,通过的则进入下一级强分类器或者给出检测结果,否则就直接可以被排除。具体操作过程如图所示：毕业论文
http://www.751com.cn/图4-1强分类器判决过程4.2 眼睛定位算法
为了得到眼睛图像的信息,必须进行眼睛定位。现有的眼睛定位方法有很多,基于肤色模型的方法、灰度投影法、基于模板的方法、基于神经网络的方法、基于特征提取等。本系统利用AdaBoost算法构造一个基于类Haar特征的层叠式分类器来进行人眼的定位。类Haar特征通常由2～4个矩形组成,如图所示：图4-2类Haar特征矩形
矩形特征A、B表示两个形状大小相同的矩形区域内所有像素和的差值；矩形特征C表示外面的两个矩形的像素和减去中间矩形的像素和；矩形特征D表示对角矩形内像素和之差。为了方便计算,在这里引进积分图像概念：
上一页 [1] [2] [3] [4] [5] [6]
OpenCV疲劳驾驶预警系统设计 第6页下载如图片无法显示或论文不完整，请联系qq752018766
